标签：cto   基于   sed   网络   统计分析方法   tor   最小费用最大流   运算   城市   

P1P2

MATLAB教程

P3:

> 分类模型
> 优化模型
> 评价模型
> 预测模型

分类模型

1.聚类分析

1.1 k-means聚类法

1.2系统聚类法

1.3模糊聚类

2.判别分析

2.1距离判别

2.2Fisher判别

2.3Bayes判别

2.4逐步判别

3.逻辑回归

4机器学习分类

4.1决策树

 4.2 神经网络

4.3 KNN算法

4.4 支持向量机

4.5 随机森林

优化模型

1概率模型

Markov链

报童模型

决策模型

人口模型

随机存储模型

2 数学规划模型

线性规划

非线性规划

整数线性规划
多目标规划
动态规划

3 图论与网络优化

最短路径问题

网络大流问题

最小费用最大流问题
最小生成树问题 -
图的着色问题

4 组合优化问题
多维背包问题
维指派问题

旅行商问题

车辆路径问题

车间作业调度问题

5 微分方程模型

阻滞增长模型

SARS传播模型

评价模型
1层次分析法 (AHP)

2 灰色综合评价法（灰色关联度分析）

3 模糊综合评价法

4 BP神经网络综合评价法

预测模型

回归分析法

时间序列分析法

灰色预测法

机器学习法
1 支持向量机一
2 神经网络

马尔可夫法

1、绘制时序图
2、状态划分
3、计算初始概率

4、计算一步转移概率 $p_{i j}$

5、预测

适用条件
只适用于具有马尔科夫性的时间序列，并且时间序 列在要预测的时期内，各时刻的状态转移概率保持稳定 如果时序的状态转移概率随不同时刻在变化，不宜用 此方法。
此方法适用于短期预测

组合预测法

评估模型的好坏

交叉验证
混淆矩阵

ROC
AUC

P4

A题

1.

(1) 获取数据（全面多收集，例如，中国、美国、意大利、巴西还有一些
有特色国家数据 (江重到缓解的国家，还有地懿上的差异，例如新西兰，澳大利
亚)。
中国、美国、意大利、新西兰、巴西等等
用数据说话，后面分析可能用到，这些国家可能有医疗设施问题（无法满足突增
人患者的医疗条件（缺少医务人员，医疗设备等）。政府的干预政策问题（环境）
卫生管理，佩戴防护用品（缺乏（暂时性），隔离力度，取消聚集活动，媒体宣

传力度)，导致了不同的流行结果，是否可能通过调整防御的方法能女有效的控

制疼情。

（2）通过数据分析，找到变化的特殊点进行分类。还可以结合政府发布的
调查信息来看，他们采取的措施是否能够阻滞疫情。

2。

(1) 合理指标的选取。在挑选这些指标时，应根据问题 1 中的数据（确诊病
例，疑似病例等）分析，找到影响因素，确定合理指标。
（2）模型的选取。
1）微分方程模型。估计许多同学会选用传染病模型（没

有外来人口输入最基本那种 SIR 模型。注意：没有疯苗，免疫者只能来自感染后

转化过来的人群）。建模过程中，应注重人类的相互作用的机理分析（人群有几
种分类？感染者是否有外来人口输入？例如, 武汉, 其它城市等。还有境外输入?

若是人们的防范意识松动可能会反弹。宣传力度是否提高个人的防范意识，能否
词少接触率、加大检测力度、潜伏期等等问题），还要考虑到政策干预，如是封
闭是管理，还是半封闭式。
（3）如何根据现有的数据对模型中参数的识别（比较难），这方面有以往的
传染病模型资料（例如，2003 年的 SARS，2009年甲流等）。模型求解后要有验
证。

(4) 其它方法建模也可能会有。但必须用问题 1 数据，自己定义指标。是否
可以统计分析方法考虑问题。

3.

依据问题 2 建立的模型，进行预测。要做参数灵链度分析，可以在提建议上
有依据可寻。当一些重要的参数变化后，可能蒲来一些改变（病人的减少，或增
加），如何调控政策控制疫情。

4.

要用到你的模型的运算结果给出建议。

P5

分类：总结已有类别的对象的特点，并根据这些特点进行未知类别对象的类别预
测的过程。
监督学习 ( supervised learning, or learning by examples ) : 在已知训练样
本类別情况下，通过学习建立相应模型或规则并将得到的模型或规则，用于预鴻 数据对象的离散类別。
分类器（classifier）
训练数据集（training dataset）
- 分类属性 ( class label attribute ) , 每个取值称为一个类别 ( class label
- 属性，用于描述一个对象的某个特性或性页
测试数据集（testing dataset）

决策树（decision tree ）
朴素贝叶斯 ( Näive Bayes )
= K近邻（K nearest Neighbors）
基于关联的分类
支持向量机（Support Vector Machines ）
人工神经网络
Logistic Regression

P6

见slice

2020东三省资料

标签：cto   基于   sed   网络   统计分析方法   tor   最小费用最大流   运算   城市   

原文地址：https://www.cnblogs.com/thenextsupersun/p/13094233.html