|
在做数学建模的时候，或者打比赛阶段，你可能会知道这个题目属于哪一类的赛题，或者需要建立哪一类的模型，但可能会不知道这类题目适合哪些算法，无法进准找到算法，从而浪费大量时间，所以无论你是不是新手，这些算法分类你都必须掌握。 由于算法模型分类太多，本文仅对算法模型进行名称分类，不对具体的算法模型进行解释。由于各类算法模型实在太多，本文无法做到全部收录，尽情谅解，关注我们后面会有更多精彩原创内容!
数学分析大类 1.描述性分析 频数分析、列联(交叉)分析、描述性统计、分类汇总、正态性分析 2.问卷分析 信度分析、多选分析、选择题[多选&多选]、选择题[多选&单选]、选择题[单选&多选]、NPS净推荐值分析、对应分析、区分度分析、效度分析、联合分析、路径分析、结构方程模型(SEM)、调节作用、验证性因子分析、权重分析(熵权法)、MaxDift模型、产品定价模型、Kano模型、平行中介效应、链式中介效应、TURF分析、惩罚分析、DP专项算法、多维尺度分析 3.综合评价 层次分析法( AHP专业版)、因子分析(探索性)、数据包络分析、模糊综合评价、优劣解距离法(TOPSIS)、秩和比综合评价法(RSR)、耦合协调度、层次分析法( AHP简化版)、熵值法.、CRITIC权重法、独立性权系数法、变异系数法、灰色关联分析、多准则妥协解排序法( VIKOR )、解释结构模型( ISM ) 4.差异性分析 5.参数检验 单样本T检验、配对样本T检验、独立样本T检验、单因素方差分析、事后多重比较、双因素方差分析、三因素方差分析、多因素方差分析 6.非参数检验 卡方检验、单样本Wilcoxon符号秩检验、配对样本Wilcoxon符号秩检验、独立样本MannWhitney检验、多配对样本F riedman检验、多独立样本Kruskal-Walis检验、卡方拟合优度检验 7.相关性分析 相关性分析、Cochran's Q检验、Kappa-致性检验、Kendall-致性检验、组内相关系数 8.预测模型 线性回归(最小二乘法)、岭回归(Ridge)、分层回归、灰色预测模型、微分方程模型、差分方程、聚类分析(K-Means)、逻辑回归、Lasso回归、分层聚类、有序逻辑回归、偏最小二乘回归(PLSR)、客户价值划分(RFM)、二分类概率单位回归(Probit)、Deming's回归、马尔科夫预测、时间序列、插值与拟合、神经网络 9.统计建模 主成分分析(PCA)、典型相关分析、泊松分布检验、游程检验:、逐步回归、线性判别、关联分析 10.计量经济模型 10.1时间序列分析 单位根检验(ADF)、差分分析、(偏)自相关分析(pacf/acf)、时间序列分析(ARIMA)、GARCH模型、格兰杰因果检验、VAR向量自回归、季节性ARIMA模型 10.2进阶回归分析 稳健回归(RANSAC)、分位数回归、面板模型、两阶段回归、GMM估计、双重差分DID(倍差法)、Tobit回归、计数数据回归.、倾向得分匹配分组回归 11.医学统计模型 比例风险回归(COX回归)、Kaplan-Meier生存曲线、Ridit分析、卡方检验最优求解、Pearson卡方检验、Yates校正卡方检验、Fisher精确检验、分层卡方分析、配对卡方检验、重复测量方差、条件逻辑回归、Bland-Altman法、竞争风险模型 12.机器学习分类 决策树分类、随机森林分类、adaboost分类、梯度提升树(GBDT)分类、CatBoost分类、ExtraTrees分类、K近邻(KNN)分类、bp神经网络分类、支持向量机(SVM)分类、XGBoost分类、LightGBM分类、朴素贝叶斯分类、逻辑回归(梯度下降法) 13.机器学习回归 决策树回归、随机森林回归、adaboost回归、梯度提升树(GBDT)回归、ExtraTrees回归、CatBoost回归、K近邻(KNN)回归、bp神经网络回归、支持拘量机(SVR)回归、xGBoost回归、LightGBM回归、线性回归(梯度下降法) 14.规划类 规划求解、线性规划、整数规划、蒙特卡洛法、整数线性规划、非线性规划 15.研究模型 需求优先级分析、词云图、用户满意度分析、趋势相关分析、销售量预测、PP图QQ图、产品定价模型、价格敏感度分析、ROC曲线 16.数理统计 参数估计和假设检验、Bootstrap方法、方差分析、回归分析、灰色模型 17、时间序列 确定下时间序列、平稳时间序列、APIMA序列与季节性序列 18.多元分析 聚类分析、主成分分析、因子分析、判别分析、典型相关分析、对应分析、多维标度法 19.现代优化法 模拟退火法、遗传算法、改进的遗传算法 20.综合评价与决策方法 理想解法、模糊综合评价法、数据包络分析、灰色关联分析法、主成分分析法、秩和比综合评价法 END 编辑 / 范瑞强 审核 / 杨鹏程 复核 / 孙天明 |
|
|
