跳转至

前言

评价模型

评价模型用于 对某个系统、方案或决策进行评估 。通过构建合适的指标和评价方法,评价模型能够对不同方案的优劣进行比较和分析。在数学建模比赛中,评价模型通常根据问题的特点和需求,设计合适的评价标准和指标,对不同方案或模型的性能进行评估和比较,以帮助做出决策。

预测模型

预测模型能够 根据过去的数据和观察结果,对未来的趋势、行为或结果进行预测和推断。预测模型常用于分析时间序列数据、趋势预测、行为模式预测等问题。在数学建模比赛中,预测模型可以根据给定的数据集或者特定规律,构建合适的数学模型,进行未来趋势预测,从而帮助做出决策或规划。

组合预测?

灰色预测

回归分析

决策树与随机森林

神经网络

  • 基础
  • 卷积
  • 循环
  • 长短时

时间序列——ARIMA 模型

注意力机制与Transformer架构

迁移学习与模型微调

优化模型

优化模型旨在找到 使某个目标函数取得最大或最小值的最优解。优化模型适用于求解最佳决策、资源分配、排产安排等问题。在数学建模比赛中,优化模型可以通过建立数学规划模型,确定决策变量、约束条件和目标函数,利用求解方法寻找最优解或次优解,以优化问题的方案或决策。

正则化

分类模型

支持向量机分类回归

回归分析

决策树与随机森林

数理统计模型

数理统计模型用于 对数据进行分析、总结和推断。它能够通过建立概率模型和统计分布,对数据的特征、关系和不确定性进行描述和推断。在数学建模比赛中,数理统计模型可以通过对给定数据集的统计分析,推断出数据的分布规律、相关性、假设检验等,为问题提供支持和解决方案。

关联规则、关联网络分析

词向量建模

K-means 聚类算法

层次聚类

二阶聚类