2021年美赛C题目思路分析——分类模型和Logistic回归模型

2021年美赛C题目分析

2021年美国大学生数学建模竞赛MCMC题目，为大数据类。

就本题而言，基础算法为二分类和Logistic回归。

二分类用于数据的预处理

Logistic回归用于数据的处理

美赛C题简述（中文）：

美赛C题目简述（英文）：

（转自2021年MCM）

首先，分析给定的建模数据

1. 4440项的数据

Global ID

目标事件的ID标识，作为预处理和数据后期处理的重要基准

Detection Date

检测日期

Notes

记录者的笔记

Lab Status

对事件的可信度的划分，由题意，分为3类：

1.确定的亚洲大黄蜂目击事件

2.错误目击事件

3.未确定事件

Submission Date

提交日期

Latitude、Longitude

记录事件的位置（经纬度），作为分类的重要标准

2. 3305项的数据

简要来说，就是4440次报告中，确定有媒体信息的只有3305次数据，这样就给后期的数据带来一点复杂。

3. 生物属性数据

略去后面 …

实验数据的预处理

（仅供参考！）

根据两个数据表的Golbal ID 将图片与目击事件数据集连接起来

构建图片二分类训练标签

建立预测模型

进行优化

其中有几点需要注意的点：

1.查找相关“生物类”文献资料，建立大黄蜂的生殖模型

2.大黄蜂图像的分类

这里要说明的是，可以用Logistic回归，根据生物属性数据表，从翅膀，腿等等构建0-1回归，根据数据的可信度，划分界限（基本以0.5为主，也可0.4或者0.6），从而完成分类

3.根据数据表的经纬度，构建事件图

（保证比赛公平公正，具体算法和代码赛后更新…）