数学建模中统计学常用方法

数学建模中统计学常用方法

ID:43457328

大小:39.51 KB

页数:4页

时间:2019-10-02

数学建模中统计学常用方法_第1页
数学建模中统计学常用方法_第2页
数学建模中统计学常用方法_第3页
数学建模中统计学常用方法_第4页
资源描述:

《数学建模中统计学常用方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、1.1多元回归1、方法概述:在研究变量之间的相互影响关系模型时候,用到这类方法,具体地说:其可以定量地描述某一现象和某些因素之间的函数关系,将各变量的已知值带入回归方程可以求出因变量的估计值,从而可以进行预测等相关研究。2、分类分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变化转化为线性回归,比如:y=lnx可以转化为y=uu=lnx来解决;所以这里主要说明多元线性回归应该注意的问题。3、注意事项在做回归的时候,一定要注意两件事:(1)回归方程的显著性检验(可以通过sas和spss来解决)(2)回归系数的显著性检验(可以通过sas和spss来解决)检

2、验是很多学生在建模中不注意的地方,好的检验结果可以体现出你模型的优劣,是完整论文的体现,所以这点大家一定要注意。4、使用步骤:(1)根据已知条件的数据,通过预处理得出图像的大致趋势或者数据之间的大致关系;(2)选取适当的回归方程;(3)拟合回归参数;(4)回归方程显著性检验及回归系数显著性检验(5)进行后继研究(如:预测等)这种模型的的特点是直观,容易理解。这体现在:动态聚类图可以很直观地体现出来!当然,这只是直观的一个方面!2、分类聚类有两种类型:(1)Q型聚类:即对样本聚类;(2)R型聚类:即对变量聚类;聚类方法:(1)最短距离法(2)最长距离法(3)中间距离法(4)

3、重心法(5)类平均法(6)可变类平均法(7)可变法(8)利差平均和法在具体做题中,适当选取方法;3、注意事项在样本量比较大时,要得到聚类结果就显得不是很容易,这时需要根据背景知识和相关的其他方法辅助处理。还需要注意的是:如果总体样本的显著性差异不是特别大的时候,使用的时候也要注意!4、方法步骤(1)首先把每个样本自成一类;2)选取适当的衡量标准,得到衡量矩阵,比如说:距离矩阵或相似性矩阵,找到矩阵中最小的元素,将该元素对应的两个类归为一类,(4)重复第2步,直到只剩下一个类;(4)重复第2步,直到只剩下一个类;补充:聚类分析是一种无监督的分类,下面将介绍有监督的“分类”。

4、我简单说明下,无监督学习和有监督学习是什么无监督学习:发现的知识是未知的而有监督学习:发现的知识是已知的或者这么说吧:有监督学习是对一个已知模型做优化,而无监督学习是从数据中挖掘模型他们在分类中应用比较广泛(非数值分类)如果是数值分类就是预测了,这点要注意1.3数据分类1、方法概述数据分类是一种典型的有监督的机器学习方法,其目的是从一组已知类别的数据中发现分类模型,以预测新数据的未知类别。这里需要说明的是:预测和分类是有区别的,预测是对数据的预测,而分类是类别的预测。2、类别方法:(1)神经网路(2)决策树(这里不再阐述,有兴趣的同学,可以参考数据挖掘和数据仓库相关书籍)

5、3、注意事项1》神经网路适用于下列情况的分类:(1)数据量比较小,缺少足够的样本建立数学模型;(2)数据的结构难以用传统的统计方法来描述(3)分类模型难以表示为传统的统计模型这里主要介绍以上三点,其他的情况大家可以自己总结!2》神经网路的优点:分类准确度高,并行分布处理能力强,对噪声数据有较强的鲁棒性和容错能力能够充分逼近复杂的非线性关系,具备联想记忆的功能等。3》神经网路缺点:需要大量的参数,不能观察中间学习过程,输出结果较难解释,会影响到结果的可信度,需要较长的学习时间,当数据量较大的时候,学习速度会制约其应用。4、步骤这里只做简略说明,具体步骤,大家可以查阅《神经网

6、路》《数据挖掘》等相关书籍(1)初始化全系数(2)输入训练样本(3)计算实际输出值(4)计算实际输出值和期望输出值之间的误差(5)用误差去修改权系数(6)判断是否满足终止条件,如果满足终止,否则进入第二步.4判别分析1、概述其是基于已知类别的训练样本,对未知类别的样本判别的一种统计方法,也是一种有监督的学习方法,是分类的一个子方法!具体是:在研究已经过分类的样本基础上,根据某些判别分析方法建立判别式,然后对未知分类的样本进行分类!2、分类根据判别分析方法的不同,可分为下面几类:(1)距离判别法(2)Fisher判别法(3)Bayes判别法(4)逐步判别法关于这几类的方法的

7、介绍,大家可以参考《多元统计学》,其中比较常用的是bayes判别法和逐步判别法3、注意事项:判别分析主要针对的是有监督学习的分类问题。共有四种方法,这里重点注意其优缺点:(1)距离判别方法简单容易理解,但是它将总体等概率看待,没有差异性;(2)Bayes判别法有效地解决了距离判别法的不足,即:其考虑了先验概率——所以通常这种方法在实际中应用比较多!(3)在进行判别分析之前,应首先检验各类均值是不是有差异(因为判别分析要求给定的样本数据必须有明显的差异),如果检验后某两个总体的差异不明显,应将这两个总体合为一个总体,再由剩下的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。