2026年数学建模基础数据分析与建模实践题库.docxVIP

第PAGE页共NUMPAGES页

2026年数学建模基础：数据分析与建模实践题库

一、数据清洗与预处理（共3题，每题10分）

1.数据缺失值处理与填补

背景：某城市交通管理部门收集了2023年全年的每日交通拥堵指数数据，其中部分数据因传感器故障缺失。现需对缺失数据进行填补，并分析填补后的数据趋势。数据样本包含日期、天气、温度、降雨量、拥堵指数等字段。

要求：

（1）分析缺失数据的分布特征，选择合适的缺失值处理方法（均值填补、插值法、KNN填补等）。

（2）设计算法实现缺失值填补，并评估填补效果（如使用MAE、RMSE指标）。

（3）对比填补前后的拥堵指数趋势变化，分析天气因素对拥堵的影响。

2.数据异常值检测与处理

背景：某电商平台记录了2023年用户购买行为数据，包含用户ID、商品ID、购买金额、购买时间等字段。部分数据存在异常值（如极值、重复记录）。

要求：

（1）设计异常值检测方法（如箱线图、Z-score法、DBSCAN聚类等）。

（2）对检测到的异常值进行处理（删除、修正或保留并标注）。

（3）分析异常值对用户消费金额分布的影响，并提出改进建议。

3.数据标准化与归一化

背景：某银行收集了2023年贷款客户的信用评分数据，包含年龄、收入、负债率、信用历史等字段，单位不统一。

要求：

（1）分别使用Min-Max归一化和Z-score标准化处理数据。

（