美赛 9：聚类模型、时间序列模型（十大模型篇）

目录

七、聚类模型

1.K-means算法和K-means++算法

2.系统（层次）聚类

3.DBSCAN算法

八、时间序列模型

1.季节分解

2.指数平滑法模型

3.ARIMA模型

4.Spss时间序列建模

---

七、聚类模型

聚类，就是将样本划分为由类似的对象组成的多个类的过程。聚类后，我们可以更加准确地在每个类中单独使用统计模型进行估计、分析或预测；也可以探究不同类之间的相关性和主要差异。（分类是已知类别的，聚类是未知类别的）

1.K-means算法和K-means++算法

---

2.系统（层次）聚类

---

3.DBSCAN算法

Matlab代码：

%% Load Data

load mydata;


%% Run DBSCAN Clustering Algorithm

epsilon=0.5;
MinPts=10;
IDX=DBSCAN(X,epsilon,MinPts);


%% Plot Results
% 如果只要两个指标的话就可以画图
PlotClusterinResult(X, IDX);
title(['DBSCAN Clustering (\epsilon = ' num2str(epsilon) ', MinPts = ' num2str(MinPts) ')']);

---

八、时间序列模型

        时间序列也称动态序列，是指将某种现象的指标数值按照时间顺序排列而成的数值序列。时间序列分析大致可分成三大部分，分别是描述过去、分析规律和预测未来。时间序列分析中常用的有三种模型：季节分解、指数平滑方法和ARIMA模型，并将结合Spss软件对时间序列数据进行建模。

1.季节分解

---

2.指数平滑法模型

---

3.ARIMA模型

---

4.Spss时间序列建模

 

 

 

---

内容原作者：数学建模清风

学习用途，仅作参考。