2024 数学建模国赛 C 题模型及算法（无废话版）

目录

写在开始

需要掌握的数学模型/ 算法

评价体系/评价类问题

时间序列处理

数据降维

聚类问题（无监督）

分类问题（有监督）

集成学习（Bagging/ Boosting）

回归问题

关联分析

统计学方法/统计模型

智能优化算法

需要掌握的 Python 专业库

需要掌握的软件/ 工具

写在开始

本人获 2023 年数学建模国赛 C 题国家级一等奖，备赛期间专攻 C 题。本文总结了在备赛期间总结的模型和算法，足以应对 90% 国赛 C 题中涉及到的问题。本文只是一个索引，后续会持续更新其中所涉及到的模型、算法的详解、实现以及应用，敬请期待。由于精力有限，更新速度有限，如果有任何问题可以后台私信我。

需要掌握的数学模型/ 算法

评价体系/评价类问题

• 层次分析法（AHP）

• 熵权法（EWM）

• 客观赋权法（CRITIC）

• 优劣解距离法（TOPSIS）

• 多准则妥协解排序法（VIKOR）链接

时间序列处理

• 自相关性函数（ACF）

• 时间序列分解（STL）

• 差分整合移动平均自回归模型（ARIMA）

• 长短时记忆网络（LSTM）

• 灰色关联度分析（GRA）

数据降维

• 主成分分析法（PCA）链接

• 因子分析（FA）

聚类问题（无监督）

• K-均值聚类（K-means）链接

• 密度聚类（DBSCAN）

• 层次化聚类（HC）

• 邓恩指标（DI）链接

分类问题（有监督）

• 多层感知机（MLP）

• 决策树（Decision Tree）

• 支持向量机（SVM）

• K-近邻（KNN）

集成学习（Bagging/ Boosting）

• 随机森林（Random Forest）

• 梯度提升树（GBDT）

• XGBoost

• LightGBM

回归问题 链接

• 多元线性回归（MLR）

• 逻辑斯特回归（Logistic Regression）

• 岭回归（Ridge Regression）

• 套索回归（Lasso Regression）

• 弹性网络回归（ElasticNet Regression）

• 逐步回归（Stepwise Regression）

关联分析

• 关联规则（Association Rules）

统计学方法/统计模型

• 相关系数（Correlation coefficient）

• 正态分布检验

• 非参数检验

• 参数检验

• 差异性检验

智能优化算法

• 遗传算法（GA）

• 粒子群算法/鸟群算法（PSO）

• 蚁群算法（ACO）

需要掌握的 Python 专业库

• 数据处理 pandas/ numpy

• 专业绘图 matplotlib/ seaborn

• 统计模型 scipy.stats/ statsmodels

• 机器学习 scikit-learn

• 智能优化 scikit-opt

需要掌握的软件/ 工具

• 数据分析 Excel/ SPSS/ SPSSPRO

• 论文写作 Word/ Latex（Overleaf）

• 专业绘图 Visio/ ProcessOn