数模notes
数模notes
JJuprisingAuthor：JJuprising
基本流程
- 拿到题目每个题都看看，画出背景材料和题干的关键字
- 对题目进行题型分类，统计分析/相关性问题(是否有关系、正负相关)/评价类/分类问题/预测问题/优化类
- 确定选题之后，先找思路，可以通过仔细阅读题目、查阅相关国内外论文(国内知网、国外谷歌学术,没有梯子用熊猫学术)、百度网上的思路等，铺垫一下基本知识（本过程需要现学一些模型和算法）
- 有些题目很笼统、晦涩，一开始搞不清出很正常，这个时候不要仓促下笔，多找资料多了解，搞清楚题目在问什么，想让你怎么用数学方法解决什么问题；注意一下前后问题的关联
- 有数据的题目在spsspro预处理一下，根据题型选不同模型跑一下结果对比看看
- 没数据的题目如果需要的话是可以在官方网站收集数据集的，这里就考验大家的数据检索和收集能力
- 写完论文内容之后凝练摘要、关键字
小tips
- 不建议上来第一二天冲太猛(除非思路非常清晰)，前两天不要熬太多，否则最后疲软，后劲不足
- 切忌中途换题，组内多沟通，不要脱离队伍，不要摆烂，坚持到完成论文
- 发挥主观能动性，多收集信息
- 不要浪费太多时间死磕模型的数学原理，如果没有提前学过的话几天时间很难搞明白，主张“拿来主义”
- 尽力而为，运气成分挺大的，比完之后放平心态接受结果
论文结构
题目
国赛题目一般是：基于XXX模型的XXX问题研究
摘要
开头段
中间段
关键词
关键点：
- 一定要写出你们最终的结论
- 模型合理且出彩
- 概述简洁
句式套模板，要问啥答啥，适当加粗结论和一些关键词
问题重述
这部分包括问题背景、问题叙述和问题分析，前两个不要直接照抄问题，可以概括一下问题换个语序啥的(可以交给gpt)
问题分析其实就是你的解题思路，可以在那个题目做完之后梳理一下解题想法和过程
假设和变量
多看看优秀论文是怎么做的，有些假设还是比较必要的，虽然去年国赛我们这部分写得很随便
模型的建立和求解
下面这部分我就贴一些美赛(需要提交全英论文)的资料，方法其实都是相同的
数据预处理
- 缺失值异常值
- 数据降维！！ 如果数据指标太多(比如有几十条)，用主成分分析进行数据降维
模型建立
不要想得太复杂
不要太高级，脱离问题。要解释问题
模型求解
结果分析
灵敏度分析 最后做
变化系数、参数 上下调整5%画个图（我们去年国赛就是这样子画了一个饼图）
如果是问鲁棒性 把参数上下变化一下
https://www.bioladder.cn/web/#/chart/64)
题型和方法
大部分spsspro上都有
不用全部都了解，用到的时候再去深入了解
工具
公式：AxMath、mathpix
作图
