数学建模问题分析.docxVIP

数学建模问题分析 一.数据处理 1） 插值拟合：对数据补全和基本趋势分析 对数据补全和基本趋势分析（根据某个未知函数（或已知但难于求解的函数）的几个已知数据点求出变化规律和特征相似的近似曲线的过程。） 插值：求过已知有限个数据点的近似函数。 拟合：已知有限个数据点，求近似函数，不要求过已知数据点，只要求在某种意义下它在这些点上的总偏差最小。 插值和拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二 者的数学方法上是完全不同的。 插值的方法多种多样，拟合问题除了用最小二乘，还可以用机器学习OR深度学习算法来实现，但要注意过拟合问题。 2） 聚类分析（高斯混合聚类，K—均值聚类）：用于诊断数据异常值并剔除 聚类分析用数量化的方法对事物进行分类，事物的类别标签未知（无监督学习），但已知样本的多个特征取值。 3）主成分分析，线性判别分析，局部保留投影：多维数据的降维处理，减少数据冗余 距离判别 距离判别是简单、直观的一种判别方法，该方法适用于连续性随机变量的判别类， 对变量的概率分布没有什么限制。 fisher判别 Fisher 判别的基本思想是投影，即将表面上不易分类的数据通过投影到某个方向上，使得投影类与类之间得以分离的一种判别方法。 当总体的参数未知时，我们用样本进行估计，注意到这里的 Fisher 判别与距离判别一样,不需要知道总体的分布类型，但两总体的均值向量必须