数学建模数据分析常见套路模板

模型总结

先是模型建立，这一部分不写具体数据带入，只是列公式，第二部分模型求解，给出结果，包括图像，表格数据，最后公式，系数，然后对结果进行进一步解析即可。

1 数据预处理

1.1 数据丢失

可以使用的插值方式有拉格朗日插值法，牛顿插值法，平均值插值等，表述时，可以用前后图像加文字结合的形式呈现。

1.2 数据异常点

说明该段时间内出现异常大的数据点（毛刺点），经过插值平滑后，数据曲线接近正常，反之也可认为是错误的，直接删除，每次数据处理后，可以根据需要点出处理的数据条目。

拉格朗日插值法：

1.2.1 数据异常的依据

1. 专家意见或者是资料查找常识判断等
2. 箱线图进行分析
3. 设置数据阈值，作为参考删除

2 数据降维

2.1 主成分分析_复杂型

模型建立


模型求解与分析

最后得出的降维数据，可以进行压缩可视化展示。

2.1 主成分分析_简单型

模型建立：

模型求解：

2.2 K-means聚类分析_复杂型

模型建立

模型求解

2.2 K-means聚类分析_简单型

模型建立：

模型求解：

3 数据拟合

常见的有神经网络拟合，拉格朗日拟合，多元线性回归拟合，多项式拟合等等

4 数据求解

5 图片统计

统计一下论文中出现图都是干啥的

1. 数据处理时，前后对比图
2. 复杂问题的解题流程图
3. 在最后的对比实验中，用柱形图来表示模型的准确率或误差率
4. 使用饼图对数据类别进行可视化展示
5. 数据中出现经纬度，啥的数据，可以借助API接口，进行数据还原