数学建模套用网上的matlab代码后要如何修改成自己的代码?

Python013

数学建模套用网上的matlab代码后要如何修改成自己的代码?,第1张

三次数模国奖路过,曾经单挑过两次国赛(第三次有一个负责编程的同学给予我很大的帮助)。稍微谈谈编程这一块的经验吧,现在临近美赛,时间也不多了。最高票回答适合长时间准备(至少有一个从校内赛到国赛的周期,我就谈谈只剩下一个月不到应该如何准备编程这一块工作吧)。

编程的同学,主要是把建模同学的思想给生产出结果,也就是输出一定的东西,可以是图,可以是表可以是数据等等。当你随便打开一本数模书(比如司守奎老师写的《数学建模算法与应用》这本书),你会被里面的Matlab,lingo等代码吓住,尤其是以前不怎么编程的同学来说更为如此。所以数模三个部分,很多同学会觉得编程非常难以上手。

其实,负责编程的同学,并不是说比谁代码写得长,谁代码写得好,而是应该为建模的同学提供一个结果(只从数模拿奖(功利的角度出发)无论结果的好坏,甚至是否有结果,在比赛即将结束的时刻,都应该给建模队友一个所得过去的“答案”),所以可以在做一些数模问题的时候,用一些较为“傻瓜”的软件,比如SPSS,这个软件可以解决统计学中的很多问题,比如2012年的国赛葡萄酒评价问题,这道题就是使用SPSS的代表。所以说,以其说是会编程,不如说是应该会使用相关软件,让所建模型输出一个不错的结果。还有作图软件Origin,在进行一些简单的作图时候,可以使用Origin而没有必要去使用Matlab进行画图,一般情况下,在问题不太复杂的时候,是没有必要使用Matlab的。还有一款软件叫做Visio,这款软件是画流程图的利器,比如说写完一段程序附上程序框图,或者用系统动力学解决一个问题时画的系统流图,得到的效果都是非常棒的(PS:初次学习建模的同学,无论如何一定要在Matlab上面下一点功夫,即使没有办法掌握,也需要知道如何修改别人的优秀程序,为我所用)。

如果真的想短期学会一个真正需要编程的语言,还是选Matlab吧,虽然在短时间之类,你是无法把这门语言学到精通,但是只要知道Matlab的语法规律,以及一些基本功能,一些基本的工具箱就足够了,这里推荐两本书,一本是《Matlab完全自学一本通》这本书上面基本上包含了可以用得到的功能,至少是基础功能。在数模上面,可以司守奎老师写的《数学建模算法与应用》这本书,一般常用模型的代码都给出来了。还有一个最关键的是,比赛前,多看看别人写的优秀论文。不管是国赛还是美赛,都有着优秀论文集,看看别人写的论文还有别人的代码,争取找到一些灵感。

在比赛的过程中,如果什么地方卡住了,一定不要蒙着头想,应该即使去相关论坛查找一些使用技巧,当然Matlab自身的帮助文档也是挺不错的。

多说一句话,LaTeX是写作排版用的,虽然也是类似于编程语言,不建议编程的人去学习,应该去鼓励写作的同学学习LaTeX,编程的同学应该和建模的同学好好合作,合力把比赛题目拿下。

看到数学建模老司机(国一优秀论文获得者,深圳杯获得者,SAS大赛冠军)的回答了,SPSS在这几年的国赛的赛题(2014,2015,2016)当中确实比较难使用了,问题基本上都是纯物理类问题(2014航天,2015球面天文学,2016受力分析)而且SPSS还有一个非常强大的竞争对手SAS的存在。至少是国赛A题,一般都是需要自己踏踏实实建模,最后使用Matlab实现。但是,A题由于过于考察建模的实力,因此一些非理工科的学生往往望而怯步。

R,Python以及SAS作为数据分析时代的新兴语言,大家可以有空的时候学一学。由于现在有一个SAS数据分析大赛(由汇丰银行赞助,SAS公司主办)搞的还不错,大家可以学一学SAS然后去这个比赛中练一练手。参加过蛮多的比赛,还是发现SAS举办的这个数据分析竞赛(尤其是决赛)给我的参赛体验非常地好。

其实,如果单纯从拿奖的角度来说,某些问题,尤其是国赛B题, 美赛E、F题对于程序要求不高的情况下,可以适当地使用现有的模型理论对具体问题进行分析。但是,从2014年开始每一年国赛A题基本上都很难找到可以直接套用的模型(虽然2016年的系泊系统在知网上面有很多现成的研究结果,但是往往不是太复杂,就是和题目分析的背景有点不太一样),这也是我前面说为什么对于没有经历过理工科训练的学生很容易望而怯步的原因。所以,我觉得如果你想做好A题,在近些年A题越来越需要自己建模,自己使用一定的软件实现的大环境下,建议有一定改编现有程序的能力。

请教如何实现广义线性模型GLM作图

1、广义线性模型GLM很简单,举个例子,药物的疗效和服用药物的剂量有关。这个相关性可能是多种多样的,可能是简单线性关系(发烧时吃一片药退烧0.1度,两片药退烧0.2度,以此类推;这种情况就是一般线性模型),也可能是比较复杂的其他关系,如指数关系(一片药退烧0.1度,两片药退烧0.4度),对数关系等等。这些复杂的关系一般都可以通过一系列数学变换变成线性关系,以此统称为广义线性模型。

2、广义线性混合模型GLMM比较复杂,GLM要求观测值误差是随机的,而GLMM则要求误差值并非随机,而是呈一定分布的。举个例子,我们认为疗效可能与服药时间相关,但是这个相关并不是简简单单的疗效随着服药时间的变化而改变。更可能的是疗效的随机波动的程度与服药时间有关。比如说,在早上10:00的时候,所有人基本上都处于半饱状态,此时吃药,相同剂量药物效果都差不多。但在中午的时候,有的人还没吃饭, 有的人吃过饭了,有的人喝了酒,结果酒精和药物起了反应,有的人喝了醋,醋又和药物起了另一种反应。显然,中午吃药会导致药物疗效的随机误差非常大。这种疗效的随机误差(而非疗效本身)随着时间的变化而变化,并呈一定分布的情况,必须用广义线性混合模型了。