美賽快開始了，抱佛腳
網課的筆記
常用演算法彙總
資料處理
插值擬合：主要用於對資料的補全和基本趨勢分析
小波分析，聚類分析（高斯混合聚類，k-均值聚類等）：主要用於診斷資料異常值並進行剔除
主成分分析、線性判別分析、區域性保留投影等：主要用於多維資料的降維處理，減少資料冗餘
灰色關聯分析方法（樣本點的個數較少）
superman或kendall等級相關分析
person相關（樣本點的個數比較多）
copula相關（金融學、概率密度）
典型相關分析（很多個自變數和因變數，問那一對關聯更緊密）
距離聚類（系統聚類）（座標）
關聯性聚類（不同指標）
密度聚類
其他聚類
貝葉斯判別（統計判別方法）
費舍爾判別（訓練的樣本比較少）
模糊識別（分好類的資料點比較少）
模糊綜合評價：評價乙個物件的優、良等層次，不能排序
主成分分析：評價多個物件的水平並排序，指標間有較強的關聯性
層次分析法：做決策，通過指標，綜合考慮做決定
資料報絡(dea)分析法
秩和比綜合評價法
神經網路評價：適用於多指標非線性關係明確的評價
topsis法（優劣解距離法）
投影尋蹤綜合評價法
方差分析、協方差分析
《小樣本：200個以下；大樣本：老大乙個堆》
小樣本內部**
大樣本內部**
小樣本未來**
大樣本的隨機因素或中期特徵的未來**
大樣本的未來**
灰色**模型《點數很少》
資料樣本點個數少，6-15個
資料呈現指數或曲線的形式
微分方程**《點數不是那麼少50-100>
無法直接找到原始資料之間的關係，但可以找到原始資料變化速度之間的關係，通過公式推導轉化為原始資料之間的關係
回歸分析**
求乙個因變數與若干自變數之間的關係，若自變數變化之後，求因變數如何變化
《自變數之間協方差比較小，最好趨於0，自變數間關係小》
《樣本點的個數n>3k+1，k為自變數的個數》
《因變數要符合正太分布》
馬爾科夫**
乙個序列之間沒有資訊的傳遞，前後沒有聯絡，資料與資料之間隨機性強，相互不影響，只能得到概率
時間序列**
與馬爾科夫**互補，至少2個點需要資訊的傳遞，arma模型，週期模型，季節模型等
線性規劃、整數規劃、0-1規劃（有約束，確定的目標）
非線性規劃與智慧型優化演算法
多目標規劃和目標規劃（柔性約束，目標含糊，超過）
動態規劃
圖論、網路優化（多因素交錯複雜）
排隊論與計算機**
模糊規劃（範圍約束）
灰色規劃
美賽常用演算法學習筆記（2）線性規劃模型
美賽快開始了，抱佛腳 學習網課的筆記 規劃問題 利益的最大化問題 規劃類應用場景 運輸排程 供需分配下的利益最大化 物流排程 資源分配 求最值 題目中給出限定性條件 從若干可能的計畫 方案 中尋求某種意義下的最優方案，數學上將這種問題成為最優化問題 優化模型的三個要素 決策變數 決策者所控制的那些數...
美賽常用演算法學習筆記（3）插值與擬合
美賽快開始了，抱佛腳 學習網課的筆記 處理離散資料，插值與擬合就是通過這些資料確定某一類已知函式的引數或尋求某個近似函式，使所得到的近似函式與已知資料有較高的擬合精度 插值問題 要求這個近似函式 曲線 曲面 經過所已知的所有資料點。資料擬合 不要求近似函式通過所有資料點，而是要求它能較好的反映資料變...
演算法學習筆記1
1 二分查詢 int arr new int binatsearch arr,12 public static int binatsearch int arr,int a else return 1 使用要求 1 有序 實現思路 1 確定最壞情況沒找到 low height 2 二分查詢 基於最低最...