- 博客(7)
- 收藏
- 关注
RSS订阅原创 数模7：多元线性回归分析（Multiple Linear Regression Analysis）
多元线性回归分析是一种统计方法，用于探究多个自变量与一个连续因变量之间的关系。它在研究多个影响因素对某一现象的影响时非常有用。通过建立一个线性模型，将多个自变量的值与因变量的值进行拟合，多元线性回归分析可以帮助我们理解各个自变量对因变量的相对贡献，以及它们之间的相互作用。多元线性回归分析的目标是确定一组回归系数，这些系数表示了每个自变量对因变量的影响程度，同时考虑了其他自变量的影响。这种方法可以用于预测因变量的值，也可以用于分析不同自变量对因变量的独立和联合影响。
2023-09-10 14:13:41
7778
1
原创 数模6：典型相关分析（Canonical Correlation analysis）
典型相关分析由Hotelling提出，其基本思想和主成分分析非常相似。首先在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数；然后选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对；如此继续下去，直到两组变量之间的相关性被提取完毕为止。被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。典型相关系数度量了这两组变量之 间联系的强度。
2023-08-31 14:55:56
304
原创 数模5：相关系数
相关系数可用来衡量两个变量之间的相关性的大小，根据数据满足的不同条件，我们要选择不同的相关系数进行计算和分析（建模论文中最容易用错的方法）。
2023-08-30 16:06:56
422
1
原创 数模4：拟合算法（Fitting Algorithm）
与插值算法不同，拟合算法不需要曲线一定经过给定的点。拟合算法的目标是寻求一个函数（曲线），使得该曲线在某种准则下与所有的数据点最为接近，即曲线拟合的最好（最小化损失函数虽然插值算法的Roung现象可以通过分段来缓解，但是通常我们更加倾向于找的一条确定曲线，尽可能减小误差同时不需要每次都重新确定。
2023-08-23 16:39:40
427
原创 数模3：插值算法（Interpolation Algorithm）
在通常的数据处理时，会遇到现有的数据是极少的，不足以支撑分析的进行，或者数据出现错误或者明显不符合，这时就需要使用一些数学的方法，“模拟产生”一些新的但又比较靠谱的值来满 足需求，这就是插值的作用。
2023-08-22 17:33:50
617
1
原创 数模2：优劣解距离法（Technique for Order Preference by Similarity to Ideal Solution）
TOPSIS 法是一种常用的综合评价方法，其能充分利用原始数据的信息， 其结果能精确地反映各评价方案之间的差距。该方法弥补了层次分析法（AHP）的两个局限：1.评价的决策层不能太多，太多的话n会很大，通常为小于10；2.决策层中指标的数据是已知的，如何高效利用数据。
2023-08-16 18:08:32
366
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人