2016 美赛C题欧奖论文学习笔记①

离开题还有4天，发现自己基本上什么都不会，哭了，从今天开始每天看五篇论文，每天写笔记，更新在这里。

16年题目：

为慈善机构设计援助方案，使投资回报率最大。特点：大数据，数据需要自己处理。数据挖掘。

需要提交：

总结（一页）；写给CFO的信（需要包括最优投资策略，建模方法，主要结果。简要谈谈你对ROI的定义，不超过两页）；论文（竟然没有提到论文的长度？大概是不要求？）

# 50193

这一组用的方法，K均值算法，层次分析法，都是很低级的方法，整篇文章的遣词造句也中式英语明显，但依旧是欧奖，我认为原因在1，考虑得非常全面，他们考虑到了时间和地理因素的影响，以及经济学方面的影响。建模应该贴近现实且尽可能丰富详实。2，讲得很清楚，例如对K均值算法的公式理论讲解，实在是很清楚。用k均值填补缺失不算新颖？一个一个模型看起来不难，但是组合起来就是欧奖。

这一组里应该至少有一个是经济学专业的

这一组考虑到边际效应，不会将大量钱投给哦同一所学校，但是就慈善机构的性质和名声来说，这样做可能无法体现出慈善的效益，所以我认为应该重点扶持一两所学校，然后分散对其他学校的投资，在有重点的情况下不把鸡蛋放在一个篮子里。

1. 数据处理：

这里可以有一个数据处理流程图
筛选 —— 删去小于初始值的
合并参数 —— linear fitting 和PCA（主要成分筛选）
填补缺失数据 —— k均值聚类，用每一类的均值去填补缺失项的值，是很好的数据填补方法，比直接取平均值好。

使各个数据能比较 —— normalize data 数据归一化

什么是填补缺失数据维基百科：https://en.wikipedia.org/wiki/Imputation_(statistics)

机器学习里缺失数据填补的拓展阅读： https://www.zhihu.com/question/26639110

数据归一