數模精選資料分享

46 人贊了文章

先給資料鏈接再詳談

資料篩選規則：

1、無廣告

2、1/3內容比較有價值

3、詳細要有步驟和程序，模型和演算法完整

378M課件資源

鏈接：https://pan.baidu.com/s/1AXMKywehYjx_qj2aP3HBJg 密碼：kdy9

若鏈接失效請留言，請私聊，隨後更新

1.36G電子書資源

https://pan.baidu.com/s/1YTK7X1Sns6Iff2p-k0tyVw

若鏈接失效請留言，請私聊，隨後更新

45個演算法案例，演算法步驟和程序詳解批註，小哥之作，了解下

鏈接：https://pan.baidu.com/s/133sVcpm1Q4JN1EnxFAdJyQ 密碼：jmj3

一樣的，若鏈接失效請留言，請私聊，隨後更新

好，接下來我們先來談談演算法的學習，演算法可是解題的關鍵喲。那麼如何去學習演算法呢

學演算法其實很容易，覺得難都是心理作用，比如卷積神經網路，我們先到網上查下，發現是做圖像識別的，然後其中的核心內容是將圖片維度梯度降低，並提取出圖片中的信息，20?20—>10?10—>5?5，表面上看這個原理是不易理解，那麼這個過程是由什麼函數實現的呢，conv，那麼變成的同學親自帶矩陣去運行下，看運算結果是怎樣的，然後去查下這個函數的原理是什麼，加入我們在CSDN博客上找到了，原來這個conv函數的機理是多項式相乘取係數。整個演算法提取圖片的信息的過程就主要靠整個函數來完成，其次是prod函數，然後其他的訓練和識別，在之前學過BP，那麼在這裡就應該知道訓練識別了，這裡糾正一點，網上說的神經網路評價、分類、預測、識別，其實程序都是一樣的，一個演算法在不同的環境，充當的角色不一樣而已。

學一個演算法首先得知道這個演算法的用途是什麼，然後查下原理大概是什麼，可不是直接拿著選發看步驟，學演算法也不是建模一個人的事，編程同學也得參與進來，尤其是高端演算法，必須得結合程序來看。

演算法之間也是有共性的，比如k距離，就是中心點到第k個點的距離，然後我們可以看下K聚類、lof異常點檢測，都是基於k距離升華的。

總之，建議建模和編程同學一起學，這樣效率肯定是最高的。

另外推薦個博客：CSDN，不管是演算法介紹還是函數介紹都是比較全面的，上面有matlab所有的函數詳解。

書籍資源中的這本書也是很好的，一個大神根據自己的經驗寫的，建議迷茫的小夥伴多看看

小哥哥整理的這些資料該怎麼看呢，首先要知道我整理的演算法的目的，先看45個演算法案例，從基礎的演算法開始看，比如要學預測和分類，預測從BP開始，然後看反饋型神經網路，看小波和rbf，如果想學優化BP，那可以看思維進化BP；分類從BP開始，然後看支持向量機；然後引生一下，了解下k距離，就是中心點到第k個點的距離，然後看lof異常點檢測，個人驗證這個演算法非常實用，如果要學k聚類，那先看模糊聚類，然後了解下免疫演算法，看免疫打包；要學評價，很多人都知道層次分析，那就不用說了，比賽可別用這個，降低論文檔次，去學商權法，就三個公式，好理解，然後看稍微難的演算法秩和比，再去看投影尋蹤，想要進一步研究，可以打下優化演算法的基礎，模擬退火好理解，然後看模擬退火優化的投影尋蹤。其他演算法的學習就不多說了，總之，從基礎演算法學習，層層遞進，然後學高端演算法，比賽就用好的演算法。

建議編程同學跟著建模同學一起學演算法，學完小哥哥整理的，可以快速瀏覽下課件大全，課件中講的都是很簡單的東西，了解什麼演算法的應用範圍即可，嫌棄可以不看，然後去看書籍資源，各個類別的書籍至少挑2本來學。都是比較好的，不用挑剔。變成同學在閑暇至於看下軟體教程中的matlab書籍，挑3本來看，提高下自己的編程能力。

那麼論文的同學看什麼呢，書籍資源中在論文寫作裡面國賽只整理了幾個文件，看完後然後學下作圖軟體，小哥哥整理了幾個origin作圖方法，先看這幾個，然後再看書籍補充下

然後去看下課件大全中的」數據可視化「

多學學作圖軟體，好的圖在比賽中可以提高論文的檔次

還有就是優秀論文了，網上流出的優秀論文建議別看，到官網去下載或者是找學長學姐要論文，學習大神的長處，學了之後就得練一下，把網上的優秀論文拿來修改批註。

為什麼一些人能一遇比賽就穩拿獎呢，小哥哥有些話送給小白們：學數模，即使隊伍有三人，也別只負責自己的方面，建模同學不會編程，就算學的演算法再多建的模型永遠是低檔次的，建的模型往往會偏離實際，考慮的很容易不到位，每個演算法可是有自己的適用範圍的，說根本點，就是程序適合計算的數據類型。編程同學不會建模，沒有很好的邏輯思維，即使再努力，水平也不會提高多少。論文靠的是經驗，編程可以不了解，但是演算法得看，在隊友學習演算法的時候參與進去，可以不深入學習，往往有些時候會將一個演算法添文加字變為一個模型，那麼就得去了解那個演算法的一些優缺點、適用範圍，在比賽中，該吹牛的地方就吹牛，如果模型結果不好，就得委婉的說還有待改進，積累經驗也是有捷徑的，多去詢問學長學姐，或者網上有人總結的經驗，都可以讓你成為一個論文大佬。