- 博客(39)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 美赛O奖全球唯一得主比赛攻略！
美国大学生数学建模竞赛目前分为两种类型，MCM和 ICM，两种类型竞赛采用统一标准进行，竞赛题目出来之后，参数队伍通过美赛官网进行选题，一共分为 6 种题型。MCMA：连续型 B：离散型 C：大数据ICM：D:运筹学/网络科学 E：（环境）可持续性 F：政策。那么，我们应该如何选题呢？从专业角度来说，一般来讲，经管类为主的同学会选择E、F偏多，数理类同学选择A、D偏多，大数据计算类同学选择B、C偏多；
2023-10-20 12:48:29
2342
1
原创 数学建模之数据分析【二一】：Python中基本日期时间操作
公众号：快乐数模小红书：学数模使我快乐 Python 有一个名为 DateTime 的内置模块，可以以多种方式处理日期和时间。在本文中，我们将了解 Python 中的基本 DateTime 操作。
2024-08-26 10:20:48
945
原创 数学建模之数据分析【二十】：序列数据及其定义
时间序列数据（与时间相关的数据）符号数据（符号组成的数据）生物数据（与 DNA 和蛋白质相关的数据）
2024-08-26 09:10:50
760
原创 数学建模之数据分析【十】：处理Pandas中的缺失数据
公众号：快乐数模小红书：学数模使我快乐当没有提供一个或多个项目或整个单元的信息时，可能会出现缺失数据。缺失数据在现实生活中是一个非常大的问题。缺失数据在 Pandas 中也可以称为 NA（不可用）值。在 DataFrame 中，有时许多数据集都带有缺失数据，要么是因为它存在但未被收集，要么是它从未存在过。例如，假设接受调查的不同用户可能选择不分享他们的收入，一些用户可能选择不分享地址，这样许多数据集就丢失了。
2024-08-25 09:40:44
910
原创 数学建模之数据分析【九】：数据清理总结
数据清理是机器学习 (ML)流程中的关键步骤，因为它涉及识别和删除任何缺失、重复或不相关的数据。数据清理的目标是确保数据准确、一致且无错误，因为不正确或不一致的数据会对 ML 模型的性能产生负面影响。专业数据科学家通常会将大量时间投入到这一步骤中，因为他们相信“更好的数据胜过更复杂的算法”。数据清理，也称为数据清洗或数据预处理，是数据科学流程中的关键步骤，涉及识别和纠正或消除数据中的错误、不一致和不准确性，以提高其质量和可用性。
2024-08-24 10:20:29
1823
1
原创 数学建模之数据分析【八】：数据预处理之数据格式化
获取更多数模资料，请关注公众号：快乐数模小红书：学数模使我快乐数据预处理是任何数据分析或机器学习项目中的关键步骤。它涉及各种任务，目的是将原始数据转换为干净可用的格式。正确准备的数据确保更准确、可靠的分析结果，从而做出更好的决策和有效的预测模型。近期的数据预处理章节将涵盖数据准备的关键方面，包括数据格式化、数据清洗、数据转换和数据抽样。本篇是数据预处理之数据格式化。
2024-08-23 11:13:56
1375
原创 数学建模之数据分析【七】：对Pandas DataFrame 进行切片
借助 Pandas，我们可以在 Dataframe 中执行切片。使用 Pandas Dataframe 进行切片iloc[] 是 Python 中提取特定数据子集的一种强大技术。该iloc[] 方法允许您根据行和列的整数位置来定位和提取它们。要使用 执行切片iloc[]，请指定要包含在切片数据框中的行和列索引。语法类似于传统的数组切片，对于 Python 用户来说非常直观。例如，df.iloc[1:5, 2:4]从数据框中提取第 2 至第 5 行和第 3 至第 4 列。创建 DataFrame。
2024-08-22 09:16:07
1659
原创 数学建模之数据分析【五】：定性与定量（详细）
属性是描述对象、个体或现象的品质和特征。属性可以是分类的，表示不同的类别或类，例如颜色、类型或标签。某些属性是定量的，采用可以测量或计数的数值，例如身高、体重或温度。分类属性可以进一步分类为名义属性（无固有顺序）或序数属性（具有有意义的顺序）。在数据分析中，属性充当感兴趣的变量，了解它们的性质对于选择适当的统计方法和从数据中得出有意义的结论至关重要。如考虑联系一个人，那么姓名、地址、电子邮件等是联系信息的属性。给定属性的感知值称为观测值。
2024-08-10 11:11:21
1422
原创 数学建模之数据分析【三】：数据属性（定性和定量）
数据属性是指描述数据集中各个数据对象的特定特征或属性。这些属性提供有关对象的有意义的信息，并用于分析、分类或操作数据。理解和分析数据属性是统计、机器学习和数据分析等各个领域的基础，因为它们构成了从数据中获取见解和做出明智决策的基础。在预测模型中，属性充当影响结果的预测因子。在描述性模型中，属性构成了正在检查其固有模式或相关性的信息片段。可以这样定义，用于描述给定对象的一组属性称为属性向量或特征向量。
2024-08-06 19:43:02
1959
原创 数学建模之数据分析【二】：什么是数据？
根据牛津大学的说法，“数据是不同的信息，通常以特殊的方式格式化”。数据可以被测量、收集、报告和分析，因此通常使用图表、图像或其他分析工具将其可视化。原始数据（“未处理的数据”）可能是在研究人员“清理”和纠正之前的数字或字符的集合。必须对其进行纠正，以便我们可以消除异常值、仪器或数据输入错误。数据处理通常分阶段进行，因此一个阶段的“处理后的数据”也可以被视为后续阶段的“原始数据”。现场数据是在不受控制的“现场”环境中收集的数据。实验数据是在科学研究观察中产生的数据。
2024-08-06 09:23:53
2715
原创 数学建模之数据分析【一】：用于分析的免费公共数据集
数据分析是商业、学术界、医疗保健和政府等各个领域现代决策过程的一个重要方面。然而，获取高质量的数据集进行分析可能具有挑战性且成本高昂。幸运的是，有许多免费的公共数据集可用于分析，提供有价值的见解并促进明智的决策。在这篇文章中，我们将讨论用于分析类别的免费公共数据集，以及免费公共数据集的开放数据平台的资源。
2024-08-06 08:38:54
1186
原创 耦合协调分析模型
耦合协调分析模型（Coupling Coordination Analysis Model）是一种用于评估两个或多个系统之间相互作用和协调性的数学模型。广泛应用于多个领域，包括但不限于社会科学、经济学、环境科学和工程学。耦合协调分析模型的核心在于量化系统间的耦合程度以及它们运作的协调性。
2024-05-12 11:52:25
12143
2
原创 地理加权回归模型——一种局部的空间回归分析方法
地理加权回归（GWR）是一种局部的空间回归分析方法，它允许模型参数在空间上变化，从而能够捕捉到空间数据的局部空间非平稳性。GWR模型的基本思想是在回归分析中引入空间权重，使得模型能够根据地理位置的邻近程度对观测值进行加权。
2024-05-12 09:12:58
6365
2
原创 （助力国赛）美赛O奖数学建模可视化！！！含代码3（误差限图、冰柱图、树图）
（助力国赛）美赛O奖数学建模可视化！！！含代码3（误差限图、冰柱图、树图）
2024-04-21 14:11:17
603
原创 （助力国赛）美赛O奖数学建模可视化！！！含代码2（箱型图、旭日图、直方图、三元图、平行坐标图、密度图、局部放大图）
（助力国赛）美赛O奖数学建模可视化！！！含代码2（箱型图、旭日图、直方图、三元图、平行坐标图、密度图、局部放大图）
2024-04-21 13:32:22
1288
原创 （助力国赛）美赛O奖数学建模可视化！！！含代码1（折线图、地图（点）、地图（线）、地图（多边形）、地图（密度）、环形图、环形柱状图、局部放大图）
9种强大的数学建模可视化图形及优缺点，包含如下图形：折线图、地图（点）、地图（线）、地图（多边形）、地图（密度）、环形图、环形柱状图、局部放大图。含代码！！！
2024-04-14 15:28:35
1654
原创 2024年权威数学建模报名通知汇总（含妈妈杯、国赛、美赛、电工杯、数维杯、五一数模、深圳杯......）
报名时间：2024年4月7日0时——2024年4月30日24时。报名时间：2023年4月21日9时 ——4月29日18时。比赛开始时间：2024年4月12日上午8时（周五）比赛结束时间：2024年4月16日上午9时（周二）报名时间：2024年4月11日中午12点（周四）比赛开始时间：2024年9月5日（周四）18时。比赛结束时间：2024年9月8日（周日）20时。比赛结束时间：2024年5月3日（周日）20时。报名时间：目前 ——2024年5月10日6时。报名时间：目前——9月2日（周一）20时。
2024-04-10 20:03:16
25175
2
原创 空间转录组学习——数据探索
本篇博客记录空间转录组数据的初步学习，使用数据为华大stereopy（https://stereopy.readthedocs.io/en/latest/index.html）中的Example数据，通过华大云盘下载。
2022-11-10 20:12:20
3130
3
原创 猫十二分类
猫十二分类试题说明任务描述数据说明提交答案项目日志绪论课题背景问题重述工具选择与前置条件工具选择PaddleClasPaddleX安装PaddleX导入相关包数据分析与处理数据导入图片模式检验&修复数据可视化样本平衡问题检验数据增强模型构建模型概述（ResNet）PaddleClas训练模型全局配置相关参数优化器相关参数生成ImageNet[3] 数据集划分[4] 定义数据增强、装载数据集装载数据集配置 ResNet 模型并训练训练技巧与参数选择调优策略优化器&学习率选择batch_size
2022-01-08 12:15:49
7604
1
原创 数模——经历回忆篇
数模——经历回忆篇前言数模初识前言博主于初上大一之时，就通过各种渠道了解、学习数学建模的相关知识。数模也待我不薄，先是在大二第一次参加大型比赛（美赛）时，获得了M奖。在最近的国赛省里评阅，我们的论文顺利推国一，之后便久久不能平静，于是在闲余时间写下一些随笔，以怀念2年左右的数模生涯，以及对所有在学习道路上帮助过我的老师、学长学姐，以及队友们表示感谢！数模初识初进校园，因了解到学校的保研政策（当时是17级）对科创尤为看重，比如当时的建模国赛国一，折算成1绩点，相当于每门课多考10分。因此博主对竞赛方面
2021-10-11 09:40:05
1970
原创 Python复盘——Numpy、Pandas、Matplotlib
Python复盘——numpy、Pandas、MatplotlibNumpyPandas预备知识常量时间日期和时间增量语法糖在后续使用Python时，如Pytorch、数据分析等，由于间隔时间较长，往往需要上文查阅相关基础知识才能实现一些特定的功能，因此，博主首先对常用的三个库：numpy、Pandas、Matplotlib的相关知识进行总结。NumpyPandas预备知识常量方法含义numpy.nan表示空值（两个numpy.nan不相等）numpy.inf表
2021-09-26 17:26:23
376
原创 PyTorch入门——张量&神经网络
PyTorch神经网络随机梯度下降算法（SGD）缺点引入动量进行改进随机梯度下降算法（SGD）gt=∇θt−1f(θt−1)∇θt=−η∗gtg_t = \nabla_{\theta_{t-1}}f(\theta_{t-1}) \\\nabla_{\theta_{t}} = -\eta *g_tgt=∇θt−1f(θt−1)∇θt=−η∗gtgtg_tgt是第ttt步的梯度，η\etaη是学习率（调整梯度影响大小的参数，一定程度上可以控制网络训练速度）缺点学习率η\etaη
2021-09-19 22:16:31
496
原创 数学建模——摘要写作
数学建模国赛——摘要写作距离数学建模国赛仅一月左右，博主针对国赛题目类型，对论文各部分进行学习，并总结在这里。摘要是建模论文全文最为关键的部分，不仅在比赛中需要进行多次修改完善，而且在备赛中，同样需要阅读大量优秀论文总结其写法。对于摘要学习，我分为以下几步：模仿其形：这部分是在没有经过实战演练，只对数学模型有大概的了解的情况下，通常只能模仿出优秀论文中的一小部分句式。初有收获：在进行了实战演练后，能够写出一篇“有套路”的摘要，也就意味着在此阶段，你对整篇论文有了较为系统的认识，并能有逻辑地叙
2021-08-03 12:56:30
7856
原创 群智能算法(遗传算法, 粒子群算法, 蚁群算法原理与实例分析)
解决函数极值问题(二元), 采用三种群智能算法实现, 并进行比较分析1. 问题重述求解函数: f(x,y)=6.452(x+0.125y)(cosx−cos(2y))20.8+(x−4.2)2+2(y−7)2+3.226yf(x, y)=\frac{6.452(x+0.125 y)(\cos x-\cos (2 y))^{2}}{\sqrt{0.8+(x-4.2)^{2}+2(y-7)^{2}}}+3.226 yf(x,y)=0.8+(x−4.2)2+2(y−7)26.452(x+0.125y.
2021-06-14 21:39:16
9190
原创 MSP430G2553代码总结
MSP430G2553代码总结1. 点亮一个LED2. LED2闪烁1. 点亮一个LEDWDTCTL = WDTPW | WDTHOLD; // stop watchdog timerP1DIR = BIT0; // BIT0 -> 00000001, 使P1.0设置为输出// P1DIR &= ~BIT0; // 将P1.0设置为输入状态. ~:按位取反P1OUT |= BIT0; // 将P1.0设置为高电平
2021-04-03 20:48:45
1660
原创 计算机二级
计算机二级考前突击part 1 ——office选择题知识点总结part 1 ——office选择题知识点总结 微机中访问最快的存储器是：内存 停掉Guest 属于“计算机安全设置” 数据的存储结构会影响算法的效率 制定软件确认测试计划不属于软件设计阶段的任务 在数据库管理系统中，用于完成数据的增、删、改等操作的是：数据库操纵语言DML 数据定义功能：负责数据的模式定义与数据的物理存取构建 数据控制功能：负责数据的完整性、安全性的定义与检查以及并发控制、故障恢复 CPU的主要性能指标
2020-09-25 23:33:29
641
原创 计算机视觉——opencv-python
opencv：question1~1主要内容原始素材问题解答q1 通道交换博主自大一暑假开始接触图像处理，在学习一段时间的理论基础后，于大二开学之际开始代码的编写，主要参考资料是 ImageProcessing100Wen-master，现将所学总结为博客，每篇10问主要内容本篇处理的主要问题是图像的一些最基本操作，二值化、池化、滤波等原始素材原始图片包括一张普通蛤蟆的图片 imori.jpg，以及加了噪声的图片imori_noise.jpg问题解答q1 通道交换将图像RGB通道替
2020-09-07 09:38:15
522
1
原创 MATLAB绘图详总
MATLAB图形绘制总结二维图形绘制函数清单plot 函数fplot 函数三维函数绘制函数清单二维图形绘制函数清单doc plotdoc fplotplot 函数plot(x,y)plot(x,y)plot(x,y) 当 yyy 为行数等于 xxx 长度的矩阵，则以x为横坐标，y每个列向量为纵坐标绘制曲线，曲线条数等于 yyy 的列数（借此可方便绘制一簇函数）例如：x = linspace(0, 2*pi, 100);y = [sin(x); sin(2*x); sin(0.5*x)
2020-09-04 10:15:43
589
原创 数学建模——模糊数学
模糊数学模型基本理论模糊集合的表示方法zadeh 表示法序偶表示法向量表示法隶属函数的确定方法模糊统计方法借助已有的客观尺度指派法模糊关系一级模糊综合评价模型1.确定因素集（评价指标体系集合）2.确定评语集（各种不同评语集合）3.确定权重分配（U上的一个模糊向量）4.确定模糊综合判断矩阵5.综合评判基本理论数学模型分类：确定性数学模型随机性的数学模型模糊性模型模糊集合的表示方法zadeh 表示法当论域 XXX 为有限集时，记X=[x1,x2,⋯ ,xn]X=[x_1,x_2,\cdots
2020-08-29 22:23:01
1424
原创 数学建模——TOPSIS法
学习小结——TOPSIS法基本原理基本概念TOPSIS法详细过程步骤a 统一指标类型步骤b 正向化矩阵标准化，消除量纲步骤c 计算对象与最优/最劣方案的距离步骤d 计算得分并归一化代码汇总基本原理基本概念TOPSIS法（逼近理想解排序法）：常称为优劣解距离法，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TOPSIS法基本过程：将数据矩阵统一指标类型（一般正向化处理）标准化处理消除量纲计算对象与最优/最劣方案的距离计算得分并归一化TO
2020-08-26 22:38:42
2946
原创 数学建模——层次分析法
学习小结——层次分析法适用问题基本概念适用问题难以完全定量分析的问题评价类问题：目标可选方案评价准则（指标）：根据背景材料、常识、上网搜集参考资料基本概念正互反矩阵（判断矩阵）：aija_{ij}aij：与指标jjj相比，iii的重要程度（理解为满意度）主对角线元素为1（两指标相同）aij∗aji=1a_{ij}*a_{ji}=1aij∗aji=1一致矩阵：若在正互反矩阵满足aij∗ajk=aika_{ij}*a_{jk}=a_{ik}aij∗ajk=aik
2020-08-25 21:34:53
2257
原创 数学建模——图论
图论学习小结适用对象基本理论经典算法适用对象图论是为了解决包含二元关系的离散系统所提出的数学模型，并可对该模型进行求解。基本问题：最短路问题最大流问题最小费用流问题匹配问题基本理论无向图有向图元素无序对集合G=(V,E)G=(V,E)G=(V,E)顶点集&边集有序对集合G=(V,A)G=(V,A)G=(V,A)顶点集&弧集顶点数：∣V∣|V|∣V∣ \qquad 边数：∣E∣|E|∣E∣经典算法...
2020-08-22 11:01:47
865
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人