数学建模三大模型
1、预测模型
预测模型：神经网络预测、灰色预测、拟合插值预测（线性回归）、时间序列预测、马尔科夫链预测、微分方程预测、Logistic 模型等等。
应用领域：人口预测、水资源污染增长预测、病毒蔓延预测、竞赛获胜概率预测、月收入预测、销量预测、经济发展情况预测等在工业、农业、商业等经济领域，以及环境、社会和军事等领域中都有广泛的应用。
2、优化模型
优化模型：规划模型（目标规划、线性规划、非线性规划、整数规划、动态规划）、图论模型、排队论模型、神经网络模型、现代优化算法（遗传算法、模拟退火算法、蚁群算法、禁忌搜索算法）等等。
应用领域：快递员派送快递的最短路径问题、水资源调度优化问题、高速路口收费站问题、军事行动避空侦察的时机和路线选择、物流选址问题、商区布局规划等各个领域。
3、评价模型
评价模型：模糊综合评价法、层次分析法、聚类分析法、主成分分析评价法、灰色综合评价法、人工神经网络评价法等等。
应用领域：某区域水资源评价、水利工程项目风险评价、城市发展程度评价、足球教练评价、篮球队评价、水生态评价、大坝安全评价、边坡稳定性评价。
模型总结
注：此部分总结参考：
https://github.com/BetterBench/Math_Model
Sklearn学习资料
1.sklearn中文文档 强推！
2.十分钟上手sklearn
3.Python机器学习笔记：sklearn
代码实战部分后续补充。。。
特征工程：
0.机器学习-特征工程总结 强推！
1.特征工程介绍及代码 强推！
2.手把手教你入门和实践特征工程
3.机器学习-特征工程总结
建模软件：
编程 ：python 、matlab、spss
工具：spsspro、spssau
排版：word、latex
绘图：Excel、PPT、visio（流程图）、processon、drowio\Xmind（思维导图）
建模比赛分工：
数学建模中有三类团队：
第一类：拿到题目，讨论，然后建模手开始建模，编程手开始处理数据，写作手开始写作。
第二类：拿到题目，团内大佬，开始建模，然后编程，然后写作。剩下两人负责探听别队的消息和带饭。
第三类：拿到题目，三个人一脸懵逼，不求同年同月同日生，但求同年同月同日死数学建模又称语文建模
数学建模（二）：优化
在数学建模比赛中，优化的问题是再常见不过了，关于一些常见的有约束条件的函数寻优，我们可以用lingo就可以解决，但是对于一些复杂的并且无约束条件的寻优，我们常常无法入手，这个时候启发式算法就是我们求解该类优化问题的一大法宝。
关于智能优化算法有很多，遗传算法、例子群算法、模拟退火....，这里我们就先学习掌握“粒子群算法”即可！
游客gym3wkdq5zxma
