2022年数模国赛C题（岭回归、区间预测、矩阵热力图、Fisher判别分类模型）——总结心得（附最后一次数模经历，Matlab\SPSS\Lingo的理解综合）

一、国赛

第二次数模国赛
也就是昨天才结束的，选题很果断，选C，然后想半天，郭佬，给了个解释，很棒的解释，用SPSSPRO这个网站（大家可以去搜搜，很棒还有一个镝数图表，嗯数据给的少，放入Logistic逻辑回归的显著性都大于0.05，不构成影响，又代入什么逐步回归、岭回归模型，比较了一下，最终决定岭回归模型（矮子里的将军），最终每个化学元素都有对应的系数。预测方面，我们采用最值区间进行预测，在对于高钾和铅钡，二氧化硅、氧化钾，氧化钡都是未分化的区间分布较大，使用正态分布，选择最高的频数分布，作为预测区间

第二问
我们使用，Fisher判别分类模型，也是看的参考文献找到的模型（不得不说。我队长看文献找模型的能力真强），代入70%的训练集求出4个维度方程，

第三问
根据表三，求出质心坐标，只要落在质心附近就行，进行分类，说明范围即可（一定要查阅相关文献）

第四问
就是绘制散点图矩阵（超级棒的图），还有热力图，进行分析即可

想要总体思路图，可以私聊博主。

二、国赛代码展示

1.1 问题一

%% 读取
[num,txt,raw] = xlsread('附件.xlsx',1);
[num_g,txt_g,raw_g] = xlsread('高钾.xlsx');
[num_q,txt_q,raw_q] = xlsread('铅钡.xlsx');

%% 量化标识
for i = 2:59    
    for j = 2:5
        if cell2mat(txt(i,j)) == 'A'
           txt(i,j) = num2cell('1');
        elseif cell2mat(txt(i,j)) == 'B'
            txt(i,j) = num2cell('2');
        elseif cell2mat(txt(i,j)) == 'C'
            txt(i,j) = num2cell('3');
            
        elseif cell2mat(txt(i,3)) == '高钾'
            txt(i,j) = num2cell('1');
        elseif cell2mat(txt(i,3)) == '铅钡'
            txt(i,j) = num2cell('2');
        
        elseif isempty(cell2mat(txt(i,4)))
            txt(i,j) = num2cell('9');
        elseif cell2mat(txt(i,4)) == '黑'
            txt(i,j) = num2cell('1');
        elseif cell2mat(txt(i,4)) == '蓝绿'
            txt(i,j) = num2cell('2');
        elseif cell2mat(txt(i,4)) == '绿'
            txt(i,j) = num2cell('3');
        elseif cell2mat(txt(i,4)) == '浅蓝'
            txt(i,j) = num2cell('4');
        elseif cell2mat(txt(i,4)) == '浅绿'
            txt(i,j) = num2cell('5');
        elseif cell2mat(txt(i,4)) == '深蓝'
            txt(i,j) = num2cell('6');
        elseif cell2mat(txt(i,4)) == '深绿'
            txt(i,j) = num2cell('7');
        elseif cell2mat(txt(i,4)) == '紫'
            txt(i,j) = num2cell('8');
            
        elseif length(cell2mat(txt(i,5))) == 3 
            txt(i,j) = num2cell('1');
        elseif cell2mat(txt(i,5)) == '风化'
            txt(i,j) = num2cell('0');
        end
    end
end

%% 风化的数据
fenghua = [];
count = 0;
for i = 1:58
   if str2num(cell2mat(txt(i,5))) == 0
       count = count + 1;
       fenghua(count,1) = str2num(cell2mat(txt(i,2)));
       fenghua(count,2) = str2num(cell2mat(txt(i,3)));
       fenghua(count,3) = str2num(cell2mat(txt(i,4)));
   end
end

%% 风化画图
X = fenghua(:,3);  %颜色
Y = fenghua(:,2);  %类型
Z = fenghua(:,1);  %纹饰
% scatter3(X,Y,Z)
stem3(X,Y,Z)
set(gca,'xtick',0:1:9,'XTickLabel',{' ','黑','蓝绿','绿','浅蓝','浅绿','深蓝','深绿','紫','残缺'});
set(gca,'ytick',0:1:2,'YTickLabel',{' ','高钾','铅钡'});
set(gca,'ztick',0:1:3,'ZTickLabel',{' ','纹饰A','纹饰B','纹饰C'});

one_2_9 = 0;
one_2_4 = 0;
one_2_2 = 0;
one_2_1 = 0;
two_1_2 = 0;
three_2_2 = 0;
three_2_4 = 0;
three_2_5 = 0;
three_2_7 = 0;
three_2_8 = 0;
three_2_9 = 0;
for i = 1:33
    if fenghua(i,1) == 1
        if fenghua(i,3) == 9
            one_2_9 = one_2_9 + 1;
        elseif fenghua(i,3) == 4
            one_2_4 = one_2_4 + 1;
        elseif fenghua(i,3) == 2
            one_2_2 = one_2_2 + 1;
        elseif fenghua(i,3) == 1
            one_2_1 = one_2_1 + 1;
        end
    elseif fenghua(i,1) == 2
        two_1_2 = two_1_2 + 1;
    elseif fenghua(i,1) == 3
        if fenghua(i,3) == 2
            three_2_2 = three_2_2 + 1;
        elseif fenghua(i,3) == 4
            three_2_4 = three_2_4 + 1;
        elseif fenghua(i,3) == 5
            three_2_5 = three_2_5 + 1;
        elseif fenghua(i,3) == 7
            three_2_7 = three_2_7 + 1;
        elseif fenghua(i,3) == 8
            three_2_8 = three_2_8 + 1;
        elseif fenghua(i,3) == 9
            three_2_9 = three_2_9 + 1;
        end
    end
end
%% 风化的前提下，且玻璃为高钾
fenghua_gaojia = [];
count = 0;
for i = 1:33
   if fenghua(i,2) == 1
       count = count + 1;
       fenghua_gaojia(count,1) = fenghua(i,1);
       fenghua_gaojia(count,2) = fenghua(i,3);
   end
end

%% 风化的前提下，且玻璃为铅钡
fenghua_qianbei = [];
count = 0;
for i = 1:33
   if fenghua(i,2) == 2
       count = count + 1;
       fenghua_qianbei(count,1) = fenghua(i,1);
       fenghua_qianbei(count,2) = fenghua(i,3);
   end
end

%% 颜色与风化画图
yanse_fenghua = [2,0;9,6;0 1;12 8;1 2;0 2;4 3;2 2;4 0];
bar3(yanse_fenghua,1,'grouped')
set(gca,'ytick',1:1:9,'YTickLabel',{'黑','蓝绿','绿','浅蓝','浅绿','深蓝','深绿','紫','残缺'});
zlabel('计数','FontName','Song','FontSize', 14)
ylabel('颜色','FontName','Song','FontSize', 14)
legend('风化','无风化')

%% 纹饰与风化画图---叠
figure
wenshi_fenghua = [11 11;6 0;17 13];
bar3(wenshi_fenghua,0.4,'stacked')
set(gca,'ytick',1:1:3,'YTickLabel',{'纹饰A','纹饰B','纹饰C'});
zlabel('计数','FontName','Song','FontSize', 14)
ylabel('纹饰','FontName','Song','FontSize', 14)
legend('风化','无风化')

%% 类型与风化画图---叠
figure
leixing_fenghua = [6 12;28 12;];
bar3(leixing_fenghua,0.5,'stacked')
set(gca,'ytick',1:1:2,'YTickLabel',{'高钾','铅钡'});
zlabel('计数','FontName','Song','FontSize', 14)
ylabel('类型','FontName','Song','FontSize', 14)
legend('风化','无风化')

%% 纹饰与风化画图---并
figure
wenshi_fenghua = [11 11;6 0;17 13];
bar3(wenshi_fenghua,1,'grouped')
set(gca,'ytick',1:1:3,'YTickLabel',{'纹饰A','纹饰B','纹饰C'});
zlabel('计数','FontName','Song','FontSize', 14)
ylabel('纹饰','FontName','Song','FontSize', 14)
legend('风化','无风化')

%% 类型与风化画图---并
figure
leixing_fenghua = [6 12;28 12;];
bar3(leixing_fenghua,1,'grouped')
set(gca,'ytick',1:1:2,'YTickLabel',{'高钾','铅钡'});
zlabel('计数','FontName','Song','FontSize', 14)
ylabel('类型','FontName','Song','FontSize', 14)
legend('风化','无风化')

%% 高钾区间
g_no_winded = [];
g_yes_winded = [];
for i = 2:19
   if  cell2mat(raw_g(i,4)) == 0 % 未风化
       g_no_winded((length(g_no_winded) + 1)) = i;
   elseif  cell2mat(raw_g(i,4)) == 1 % 风化
       g_yes_winded((length(g_yes_winded) + 1)) = i;
   end
end

% 输入有无风化信息
g_no_winded_info = {};
g_yes_winded_info = {};

for i = 1:length(g_no_winded)
    g_no_winded_info(i,:) = raw_g(g_no_winded(i),:);
end

for i = 1:length(g_yes_winded)
    g_yes_winded_info(i,:) = raw_g(g_yes_winded(i),:);
end
% 最大最小
g_no_winded_max = [];
g_no_winded_min = [];

g_yes_winded_max = [];
g_yes_winded_min = [];
for j = 5:size(g_no_winded_info,2)
    g_no_winded_max(length(g_no_winded_max) + 1) = max(cell2mat(g_no_winded_info(:,j)));
    g_no_winded_min(length(g_no_winded_min) + 1) = min(cell2mat(g_no_winded_info(:,j)));
end

for j = 5:size(g_yes_winded_info,2)
    g_yes_winded_max(length(g_yes_winded_max) + 1) = max(cell2mat(g_yes_winded_info(:,j)));
    g_yes_winded_min(length(g_yes_winded_min) + 1) = min(cell2mat(g_yes_winded_info(:,j)));
end

% 获取最大减最小的范围
g_no_winded_range = g_no_winded_max - g_no_winded_min;
g_yes_winded_range = g_yes_winded_max - g_yes_winded_min;

g_range = g_no_winded_range - g_yes_winded_range

% 小画图展示 
X = 1:14;
subplot(2,1,1)
plot(X,g_no_winded_max);hold on
plot(X,g_no_winded_min);hold off

subplot(2,1,2)
plot(X,g_yes_winded_max);hold on
plot(X,g_yes_winded_min);hold off

%% 铅钡区间

q_no_winded = [];
q_yes_winded = [];
for i = 2:50
   if  cell2mat(raw_q(i,4)) == 0 % 未风化
       q_no_winded((length(q_no_winded) + 1)) = i;
   elseif  cell2mat(raw_q(i,4)) == 1 % 风化
       q_yes_winded((length(q_yes_winded) + 1)) = i;
   end
end

% 输入有无风化信息
q_no_winded_info = {};
q_yes_winded_info = {};

for i = 1:length(q_no_winded)
    q_no_winded_info(i,:) = raw_q(q_no_winded(i),:);
end

for i = 1:length(q_yes_winded)
    q_yes_winded_info(i,:) = raw_q(q_yes_winded(i),:);
end
% 最大最小
q_no_winded_max = [];
q_no_winded_min = [];

q_yes_winded_max = [];
q_yes_winded_min = [];
for j = 5:size(q_no_winded_info,2)
    q_no_winded_max(length(q_no_winded_max) + 1) = max(cell2mat(q_no_winded_info(:,j)));
    q_no_winded_min(length(q_no_winded_min) + 1) = min(cell2mat(q_no_winded_info(:,j)));
end

for j = 5:size(q_yes_winded_info,2)
    q_yes_winded_max(length(q_yes_winded_max) + 1) = max(cell2mat(q_yes_winded_info(:,j)));
    q_yes_winded_min(length(q_yes_winded_min) + 1) = min(cell2mat(q_yes_winded_info(:,j)));
end

% 获取最大减最小的范围
q_no_winded_range = q_no_winded_max - q_no_winded_min;
q_yes_winded_range = q_yes_winded_max - q_yes_winded_min;

q_range = q_no_winded_range - q_yes_winded_range

% 小画图展示 
X = 1:14;
subplot(4,1,1)
plot(X,g_no_winded_max);hold on
set(gca,'xtick',1:1:14,'XTickLabel',{'SiO2','Na2O','K2O','CaO','MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2'});
plot(X,g_no_winded_min);hold off
set(gca,'xtick',1:1:14,'XTickLabel',{'SiO2','Na2O','K2O','CaO','MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2'});

subplot(4,1,2)
plot(X,g_yes_winded_max);hold on
set(gca,'xtick',1:1:14,'XTickLabel',{'SiO2','Na2O','K2O','CaO','MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2'});
plot(X,g_yes_winded_min);hold off
set(gca,'xtick',1:1:14,'XTickLabel',{'SiO2','Na2O','K2O','CaO','MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2'});

subplot(4,1,3)
plot(X,q_no_winded_max);hold on
set(gca,'xtick',1:1:14,'XTickLabel',{'SiO2','Na2O','K2O','CaO','MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2'});
plot(X,q_no_winded_min);hold off
set(gca,'xtick',1:1:14,'XTickLabel',{'SiO2','Na2O','K2O','CaO','MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2'});

subplot(4,1,4)
plot(X,q_yes_winded_max);hold on
set(gca,'xtick',1:1:14,'XTickLabel',{'SiO2','Na2O','K2O','CaO','MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2'});
plot(X,q_yes_winded_min);hold off
set(gca,'xtick',1:1:14,'XTickLabel',{'SiO2','Na2O','K2O','CaO','MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2'});
%% 铅钡_风化/未风化__二氧化硅和氧化铅
clc

q_no_winded_SiO2 = cell2mat(q_no_winded_info(:,5));
q_yes_winded_SiO2 = cell2mat(q_yes_winded_info(:,5));
q_no_winded_PbO = cell2mat(q_no_winded_info(:,13));
q_yes_winded_PbO = cell2mat(q_yes_winded_info(:,13));

g_no_winded_SiO2 = cell2mat(g_no_winded_info(:,5));
g_yes_winded_SiO2 = cell2mat(g_yes_winded_info(:,5));

% 画频率分布直方图
[counts,centers] = hist(g_yes_winded_SiO2, 5);
figure
bar(centers, counts / sum(counts))

% 分布参数拟合
[mu,sigma]=normfit(g_yes_winded_SiO2);

% 画已知分布的概率密度曲线
x1 = 88:0.1:100;
y1 = pdf('Normal', x1, mu,sigma);
hold on
plot(x1, y1*2.5)
title('g-no-winded-SiO_2')



%% 预测与真实
X = 1:18;
Y1 = [0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 1];
Y2 = [0.074 0.494 -0.097 -0.029 -0.011 0.023 -0.069 0.881 0.914 0.965 0.904 0.028 -0.116 0.081 0.055 0.239 0.788 0.875];
plot(X,Y1); hold on;
plot(X,Y2); hold off;

%% 岭回归
x1 = cell2mat(raw_q(2:end,5));x2 = cell2mat(raw_q(2:end,6));
x3 = cell2mat(raw_q(2:end,7));x4 = cell2mat(raw_q(2:end,8));
x5 = cell2mat(raw_q(2:end,9));x6 = cell2mat(raw_q(2:end,10));
x7 = cell2mat(raw_q(2:end,11));x8 = cell2mat(raw_q(2:end,12));
x9 = cell2mat(raw_q(2:end,13));x10 = cell2mat(raw_q(2:end,14));
x11 = cell2mat(raw_q(2:end,15));x12 = cell2mat(raw_q(2:end,16));
x13 = cell2mat(raw_q(2:end,17));x14 = cell2mat(raw_q(2:end,18));

y = cell2mat(raw_q(2:end,4));


x = [x1,x2,x3,x4,x5,x6,x6,x7,x8,x9,x10,x11,x12,x13,x14];
% 标准化
x = (x - min(x))./(max(x) - min(x));
%先画出岭迹图，以便选取合适的岭参数
k = 0:1e-3:10; %岭参数
b = ridge(y,x,k); %回归系数
figure
plot(k,b,'LineWidth',1.5)
set(gca,'xtick',10:10:100,'XTickLabel',{'0.1','0.2','0.3','0.4','0.5','0.6','0.7','0.8','0.9','1'});
xlabel('k')
ylabel('β')

%每个k对应的残差平方和的图，要选取会使残差平方和小的k值
knum=size(b,2);
sse=zeros(knum);
y_gu=zeros(49,knum);
for j=1:knum
    t=0;
for i=1:49
    y_gu(i,j)=b(1,j)*x1(i)+b(2,j)*x2(i)+b(3,j)*x3(i)+b(4,j)*x4(i)+b(5,j)*x5(i)+b(6,j)*x6(i)+b(7,j)*x7(i);
    t=(y_gu(i,j)-y(i))^2+t;
end
    sse(j)=t;
end

figure
plot(k,sse(:,1),'LineWidth',2)
xlabel('k')
ylabel('SSE')
title('残差平方和与k的关系图')
% exportgraphics(gcf,['C:\Users\DELL\Desktop\图\figure',num2str(i),'.jpg'])
warning off


%% 高钾的平均值
g_fenghua = [];
g_weifenghua = [];

Y_fenghua = mean(g_fenghua);
Y_weifenghua = mean(g_weifenghua);

X = 1:7;
plot(X,Y_fenghua);hold on
plot(X,Y_weifenghua);hold off

legend('风化','未分化')

1.2 问题二

%% 读取数据 '高钾_铅钡、风化_未风化.xlsx'
[num_g_yes_winded,txt_g_yes_winded,raw_g_yes_winded] = xlsread('高钾_铅钡、风化_未风化.xlsx',1);
[num_g_no_winded,txt_g_no_winded,raw_g_no_winded] = xlsread('高钾_铅钡、风化_未风化.xlsx',2);
[num_q_yes_winded,txt_q_yes_winded,raw_q_yes_winded] = xlsread('高钾_铅钡、风化_未风化.xlsx',3);
[num_q_no_winded,txt_q_no_winded,raw_q_no_winded] = xlsread('高钾_铅钡、风化_未风化.xlsx',4);

[num_2,txt_2,raw_2] = xlsread('附件.xlsx',2);
%% 求均值
g_yes_winded_mean = mean(cell2mat(raw_g_yes_winded(2:end,5:end)));
g_no_winded_mean = mean(cell2mat(raw_g_no_winded(2:end,5:end)));
q_yes_winded_mean = mean(cell2mat(raw_q_yes_winded(2:end,5:end)));
q_no_winded_mean = mean(cell2mat(raw_q_no_winded(2:end,5:end)));

all_mean = [g_yes_winded_mean;g_no_winded_mean;q_yes_winded_mean;q_no_winded_mean]';
all_mean = [all_mean(1:end-2,:)] % 删除低于20%的
all_mean = [all_mean(1,:);all_mean(3:end,:)]; % 删除25%的


all_mean = all_mean'
%% Fisher判别法
all_mean = all_mean'
x1=all_mean(1:5,:);
x2=all_mean(6:9,:);
sample=all_mean(10:11,:);
y=fisher(x1,x2,sample)

%% 求坐标 求距离 求准确度
% 获取需要数据并删除15和17行和氧化钠和最后两列
X = [raw_2(2:18,2),raw_2(2:18,4:end-3);
     raw_2(20,2),raw_2(20,4:end-3);
     raw_2(22:end,2),raw_2(22:end,4:end-3)];
X = cell2mat(X);
% 清除NaN
for i = 1:size(X,1)
   for j = 1:size(X,2)
      if isnan(X(i,j))
          X(i,j) = 0;
      end
   end
end

% 选取50组往后的数据
X = X(51:end,:)

for i = 1:size(X,1)
   F(i,1) = 0.065*X(i,1)+0.253*X(i,2)-0.211*X(i,3)-0.043*X(i,4)-17.985*X(i,5)+0.031*X(i,6)-1.518*X(i,7)-0.031*X(i,8)+0.141*X(i,9)+0.002*X(i,10)+4.491*X(i,11)-3.62;
   F(i,2) = -0.045*X(i,1)+0.541*X(i,2)-0.324*X(i,3)-0.043*X(i,4)-6.559*X(i,5)-0.102*X(i,6)+1.511*X(i,7)+0.013*X(i,8)+0.017*X(i,9)+0.459*X(i,10)+2.195*X(i,11)-4.14;
   F(i,3) = 0.102*X(i,1)+0.206*X(i,2)-0.505*X(i,3)-0.271*X(i,4)+13.49*X(i,5)-0.061*X(i,6)+3.054*X(i,7)+0.012*X(i,8)+0.115*X(i,9)+0.367*X(i,10)-0.511*X(i,11)-4.343;
   F(i,4) = 0.053*X(i,1)-0.015*X(i,2)+0.115*X(i,3)+0.18*X(i,4)-1.645*X(i,5)-0.091*X(i,6)-1.403*X(i,7)-0.166*X(i,8)-0.056*X(i,9)+0.399*X(i,10)+4.631*X(i,11)-0.663;
end

1.3 问题三

%% 读取数据
[num,txt,raw] = xlsread('附件.xlsx',3);

%% 计算坐标
% 数据清洗
X = [cell2mat(raw(2:end,3)),cell2mat(raw(2:end,5:end-2))];
% NaN变0
for i = 1:size(X,1)
   for j = 1:size(X,2)
      if isnan(X(i,j))
          X(i,j) = 0;
      end
   end
end

for i = 1:size(X,1)
   F(i,1) = 0.065*X(i,1)+0.253*X(i,2)-0.211*X(i,3)-0.043*X(i,4)-17.985*X(i,5)+0.031*X(i,6)-1.518*X(i,7)-0.031*X(i,8)+0.141*X(i,9)+0.002*X(i,10)+4.491*X(i,11)-3.62;
   F(i,2) = -0.045*X(i,1)+0.541*X(i,2)-0.324*X(i,3)-0.043*X(i,4)-6.559*X(i,5)-0.102*X(i,6)+1.511*X(i,7)+0.013*X(i,8)+0.017*X(i,9)+0.459*X(i,10)+2.195*X(i,11)-4.14;
   F(i,3) = 0.102*X(i,1)+0.206*X(i,2)-0.505*X(i,3)-0.271*X(i,4)+13.49*X(i,5)-0.061*X(i,6)+3.054*X(i,7)+0.012*X(i,8)+0.115*X(i,9)+0.367*X(i,10)-0.511*X(i,11)-4.343;
   F(i,4) = 0.053*X(i,1)-0.015*X(i,2)+0.115*X(i,3)+0.18*X(i,4)-1.645*X(i,5)-0.091*X(i,6)-1.403*X(i,7)-0.166*X(i,8)-0.056*X(i,9)+0.399*X(i,10)+4.631*X(i,11)-0.663;
end

%% 绘制距离图
scatter(-1.4,-1.7,150,'filled','d');hold on %高未
scatter(-0.8,1.2,150,'filled','h');hold on %高风
scatter(2.6,0.3,150,'filled','s');hold on  %铅未
scatter(3.5,3.7,150,'filled','p');hold on  %铅风

scatter(-1.2,-1.5,100,'d');hold on
X = [-0.4,-0.6];
Y = [1.4,2.0];
scatter(X,Y,100,'h','r');hold on
% scatter(-0.4,1.4,40,'h','r');hold on
% scatter(-0.6,2.0,40,'h','r');hold on

X = [2.3 2.6 3.0];
Y = [0.6 1.1 -0.1];
scatter(X,Y,100,'s','k');hold on
% scatter(2.3,0.6,40,'filled','s','g');hold on
% scatter(2.6,1.1,40,'filled','s','g');hold on
% scatter(3.0,-0.1,40,'filled','s','g');hold on


X = [3.3 2.5];
Y = [2.7 3.7];
scatter(X,Y,100,'p');hold on
xlim([-2,4]);
ylim([-2,4]);
lgd = legend('高钾未风化质心','高钾风化质心','铅钡未风化质心','铅钡风化质心')

%% 45样本

scatter(-1.6,-1.2,150,'filled','d');hold on %高未
scatter(-0.82,1.4,150,'filled','h');hold on %高风
scatter(2.7,0.5,150,'filled','s');hold on  %铅未
scatter(3.2,3.3,150,'filled','p');hold on  %铅风

scatter(-1.2,-1.5,100,'d');hold on
X = [-0.4,-0.6];
Y = [1.4,2.0];
scatter(X,Y,100,'h','r');hold on
% scatter(-0.4,1.4,40,'h','r');hold on
% scatter(-0.6,2.0,40,'h','r');hold on

X = [2.3 2.6 3.0];
Y = [0.6 1.1 -0.1];
scatter(X,Y,100,'s','k');hold on
% scatter(2.3,0.6,40,'filled','s','g');hold on
% scatter(2.6,1.1,40,'filled','s','g');hold on
% scatter(3.0,-0.1,40,'filled','s','g');hold on


X = [3.3 2.5];
Y = [2.7 3.7];
scatter(X,Y,100,'p');hold on
xlim([-2,4]);
ylim([-2,4]);
lgd = legend('高钾未风化质心','高钾风化质心','铅钡未风化质心','铅钡风化质心')

1.4 问题四

A = []
A = [A(:,1),A(:,4),A(:,6:end-3)];
[S,AX,BigAx,H,HAx] = plotmatrix(A)


%%
[num,txt,raw] = xlsread('gaojia.xlsx');

for i = 2:13
   for j = 2:13 
       tmp = strsplit(cell2mat(raw(i,j)),'(');
       tmp = tmp(1);
       ch = cell2mat(tmp);
       doub = str2num(ch);
       A(i-1,j-1) = doub;
   end
end

xvalues = {'SiO_2', 'Na_2O', 'CuO', 'P_2O_5', 'K_2O','CaO','MgO','Fe_2O_3','PbO','Al_2O_3','SrO','BaO'};
yvalues = fliplr(xvalues)
h = heatmap(xvalues,xvalues,A);

三、对于软件的理解

3.1 Matlab

一定要多去看看函数，为什么野路子和科班出身的差距在哪？野路子是有个函数你甚至都不知道有这个函数可以用，科班出身就是函数都差不多知道了，要用的时候去查查就知道了，这一点真的很恐怖

3.1.1 表格的读取

[num,txt,raw] = xlsread(‘附件.xlsx’,1);
这个函数超级好用，读表格就选它，raw是最好的，毕竟他把所有的数据形式，都变成元组形式，其实一开始，我也就得不咋地好用，不过呢，用多了，就知道它的香了给出相关函数

3.1.2 元胞数组的相关函数的转换

1、cell2mat：将cell转换为mat的char型
2、str2num：将mat从char转换为double型
3、cellstr：将char转cell
4、num2str：将double转char
5、num2cell：将double直接转cell

对于第一个cell2mat嗯，不一定是cell转char，如果里面是数组，那直接就是数组了，如果元胞里面是数字的话，你想调出这个数字，步骤如下，先cell2mat变成char型，再str2num转成double形式就行，恩方便

3.1.3 图像方面

figure建立图窗

figure(1)
x = 1:10:100;
y = [20 30 45 40 60 65 80 75 95 90];
yneg = [1 3 5 3 0 0 0 0 3 3];
ypos = [2 5 3 5 2 5 2 2 5 5];
xneg = [1 3 5 3 5 3 6 4 3 3];
xpos = [2 5 3 5 2 5 2 2 5 5];

h = errorbar(x,y,yneg,ypos,xneg,xpos,'LineStyle','--','Marker','s','MarkerSize',5,'MarkerEdgeColor','red','MarkerFaceColor','red');
set(gca,'xtick',0:25:100,'XTickLabel',{'00:00','06:00','12:00','18:00','24:00'});
set(gca,'FontName','times new roman','FontSize', 14);
xlabel('你好啊','FontName','Song','FontSize', 14)
ylabel('你好啊','FontName','Song','FontSize', 14)
box off
title('\it\fontname{Times New Roman}x\rm\fontname{Times New Roman}\zeta')
xlabel('\it\fontname{Times New Roman}x','FontSize',20)
ylabel('\it\fontname{Times New Roman}figure\sl(\it\fontname{Times New Roman}x\rm)')
set(h,'LineWidth',2)

或者在查看菜单栏下，有个属性编辑器，你自己点点就知道干啥了


复制图窗可以最大程度上保留图像像素

介绍一个基础画图比较全面的系列文章MATLAB科学绘图

3.1.4 判空

isnan和isempty，嗯，用过的都说好用，你们可以查查怎么用，做数据缺失时，贼好用

3.1.5 对于有字符串影响的处理

比方说我队长让我出个热力图，数据都出来了，

我一看傻眼了，后面圆括号里是啥啊，嗯，需要去了，总不可能一个个手输入，

[num,txt,raw] = xlsread('gaojia.xlsx');

for i = 2:13
   for j = 2:13 
       tmp = strsplit(cell2mat(raw(i,j)),'(');
       tmp = tmp(1);
       ch = cell2mat(tmp);
       doub = str2num(ch);
       A(i-1,j-1) = doub;
   end
end

strsplit这个小函数还是特别好用的

3.1.6 矩阵翻转和旋转

Matlab对矩阵进行旋转、左右上下翻转、重新排列

3.2 Lingo

就是看哔站啦，看看视频，去学习，不过我记得几个注意事项吧，Lingo里面的灵敏度检验不要用，因为完全不知道里面内部是怎么实现的，第二，就是<=和>=好像在Lingo里面全部都是单纯的大于和小于

3.3 SPSS

SPSS的话，自己多去点点，或者像之前介绍的SPSSPRO一样也可以,点点

3.4 Eviews

时间序列的神器，嗯，不是很会用，B站上都有

3.5 亿图

论文的yyds，反正不是很会用，哈哈哈哈

3.6 Latex

emmm，论文排版神器，结果还是没去学

四、给初学者一些建议（针对软件方向）

前期你可以用SPSS点点，Lingo写写优化，Eviews做时间序列，但是你必须要会用Matlab，多多去尝试Matlab，当你会用Matlab的时候，其实其他的软件就不用再去深究了。Matlab的话，可以多去看看CSDN上的，很多轮子都造好了，比如说这次Fisher判别式，CSDN的代码都是一大堆的。emmm，遇到不会的，一定先自己在网上找办法，不会了，再去问学长学姐，或者同级之间的那些大牛，去问他们，他们的见识和理解一定可以帮到你的，还有一点就是。如果遇到自己不会的函数，去看官网，官网一定是最好最权威的解释，一定更全面。对于软件，模型的知识一定要懂，模型检验的话，灵敏度检验yyds，就是外部检验对整个模型的检验。
出的图，一定要去打磨！打磨！！一张图是否好看，就是看它信息量大不大，信息量越大，图就越好看，没人会觉得一个简单的折线图有多喊看的（这个点，我也是最近才从一个模型大佬那知道的，惭愧了，不过真的很有效）。就这些吧，嗯，一定要配合好模型队长，记住，你可以不会，但你一定要去学，9点钟回宿舍了，去学怎么写，我记得有一次模拟赛，我Lingo不会写，嗯，选题的当晚，回到宿舍看是逛哔站，一直学，学到2点，第二天就很有信心站在队长面前说，我可以解出来。
软件最厉害的地方在于，模型你尽管建，软件我都能求出来，哈哈哈哈，加油了，各位小软件~~~

附、一些话吧

作为一个软件，和模型队长也比赛很长时间了呀，从大一一直到大三，如果算上这次数模国赛的话，总共有6次比赛了，加上模拟赛就是14次数模论文写作，通了7次宵，两次五一赛，两次数模国赛，一次亚太赛，一次美赛，还有一次数模的国赛模拟总共7次通宵。昨天比完国赛，队长可能不再参赛了。很难受吧，毕竟快两年的战友了。我也一直很幸运遇到我的队长，每次都能悬悬的完赛，也不容易，哈哈哈哈。论文换了一次。也听说是队长的舍友选队友的时候，是跟我一个家乡的，就选了我。而我当时选队长时，嗯，4–6个模型找我，我就在想，我一定要找个城南校区（我是中心校区的），因为感觉中心模型太菜了，所以想找个城南的，之所以我选软件，原因有二，其一，是因为我这个专业需要学Matlab（最主要），其二，我是班长，不想再负责什么了（当时的我真的特别累吧），因为我们是选了模型就相当于当队长。
下面，我尽量就按照时间线回忆吧

第一次小模拟赛（好像是校赛）
算是协会对新队伍，第一个磨合测试题，嗯，我记得当时我用Lingo解出一个规划方程，好像是最短路径问题，我记得我当时特别激动反正，就是害怕自己不够用，哈哈哈哈，其余的，我记不太清了

第一次，五一赛
当时，我第一次见我队长，挺漂亮？还行吧，瘦瘦的，高高的，第一次，emmm，哈哈哈哈，我记得我当时贼怂，因为软件嘛，不咋地，还是需要发育的，怂怂的，反正我特怂（我感觉我队长肯定对我不是这么想的），选题啥A题，疫苗那题，优化，嗯，差点搞死我（哭了），我真的算不出来那个啥啥的时间序列。有个直系学长，在我后面，已经将全部代码都写出来了，正在跑代码。好吧，我当时觉得自己菜的要死，回去都不好意思见队长，哈哈哈哈，比赛的每个晚上，我应该都没在休息，都是想尽自己的力，把自己的思路啊，代码啊，写下来，一直都是这样，因为不好意思偷懒，哈哈哈哈。人生第一次通宵，也就是在那时，出现了生理反应，想干呕，不适等，最终也完赛了

暑假留校的八次模拟赛
暑假留校了啊，挺开心，遇到了很好的舍友，一个大二，两个大三，三个大一，大一的就是我，还有两个是城南的，一个’大佐’，'一个茂盛哥，大三是来考研的，其中一个中途走了，家里有事，另一个是应物学长，大二的那个学长，机电的，人也贼好，反正舍友都贼好。嗯，学长都特别好，我记得刚开始吧，我们去二期机房比赛的，哈哈哈哈，分配给我们队一个大二队伍来指导我们，一个软件学姐来指导我（嗯，跟那个学姐在暑假快结束了，白了一下，谈了一年多，分了），认识了很多人，董佬，徐佬，吕佬（有两个一个中心，一个城南），薛佬。女生的话，emmm认识，但都没有过多的交集，也就是第一次模拟赛吧，论文退了，身体不舒服了，换了一个，并且也一直跟我们比赛到了现在。早起跑步，打篮球，暴风雨来的时候，扫荡地超，1号楼宿舍旁的树倒了那晚。写了8次模拟赛，很累，最终我们组差不多就是物理题直接不看，优化题可以考虑，评价类首选。也想起来，徐州疫情严重，我们都在第一食堂三楼，聚在一起写题，嗯，早上六点的太阳，我那一个月真的是天天见啊，占个座，就去晨跑了，队长嘛，人很好，很负责，很幸运。在这里，我真的很感谢一个人，董佬，他总是能认真的回答我的每一个问题，真的，他人很好，很赞。哈哈哈哈，数模的每一个人都很棒，顶呱呱的。真的是很棒的一次经历，数模协会都是很优秀的存在。对了，忘说了一点，我是个急性子，我队长是慢性子，不过还好，最后总是能突破自己，写完题目，贼强。我也每次都挖苦队长，针对我，哈哈哈哈，我也每次只是开个玩笑，希望队长不要放心上，也经常和队长吵架，题目的理解问题情况，还有和队长的磨合出现的摩擦吧

亚太赛和美赛
都是线上的比的，记不太清，反正美赛我记得是和祖老一起在休息室通宵的

第二次五一赛
emmm，我也记不太清了，继续线上通宵,哭，这次和祖老与吕佬一起过的

总的来说，挺不错，很棒的数模协会，很棒的数模人，很棒的自己，很棒的经历