昌平区网站建设公司,网站电话素材,WordPress又拍云cdn,鄂州网站建设大家好呀#xff0c;昨天6点2023年第四届MathorCup高校数学建模挑战赛——大数据竞赛开赛#xff0c;在这里给大家带来初步的选题建议及思路。
注意#xff0c;本文章只是比较简略的图文讲解#xff0c;更加详细完整的视频讲解请移步#xff1a;
2023mathorcup大数据数学…大家好呀昨天6点2023年第四届MathorCup高校数学建模挑战赛——大数据竞赛开赛在这里给大家带来初步的选题建议及思路。
注意本文章只是比较简略的图文讲解更加详细完整的视频讲解请移步
2023mathorcup大数据数学建模竞赛选题建议及A题B题思路_哔哩哔哩_bilibili
首先是主基调
本次mathorcup大数据竞赛AB难度都不低我个人更推荐小白选择A题B题看似简单实际上仅第一问就需要迭代最起码上千次时间序列模型做预测求解十分繁琐很容易卡壳而且想做好是很难的。 A虽然略硬核但只要有matlab会最基础的导入数据操作我会教直接采用我提取特征数据的代码提取特征然后做机器学习分类预测即可。目前我已经提取了301个图片各自4096个特征下一步准备降维或者直接进行机器学习分类。 预计28-29日更新A完整成品B不一定做具体看需求情况建议尽量还是选A。
接下来详细讲讲初步思路吧
赛道A:基于计算机视觉的坑洼道路检测和识别
问题1:结合给出的图像文件提取图像特征建立一个识别率高、速度快、分类准确的模型用于识别图像中的道路是正常或者坑洼。 主要就是提取图像特征嘛题目给了我们301张图片看一下 这些图片的名称本身是包含其是否为坑洼路面的信息的。也就是说后面做机器学习的标签是有的。
那第一步就是提取图像特征了提取出来特征数据后面就可以做机器学习分类。提取特征之前先把图像处理成一样的大小也就是说像素值要一样不然我们不太方便采用深度学习算法进行特征提取 像素值大家可以自由设置具体怎么设置我在论文里到时候也会教。
之后就是深度学习提取特征 我提取的特征数量是每个图片4096个所以一共301*4096 接下来用户这些特征做机器学习就行当然了特征数量太多因此可能存在过拟合或者计算量过大也许需要特征降维这个等我具体训练之后看看精度吧。
给大家送一些部分图片的特征表格看我文章最下方视频讲解。
问题2:对问题1中构建的模型进行训练,并从不同维度进行模型评估。 用一些指标评估精度调优就行。
赛道B:电商零售商家需求预测及库存优化问题
问题一:使用附件1-4中的数据预测出各商家在各仓库的商品2023-05-16至2023-05-30 的需求量请将预测结果填写在结果表1并上传至竞赛平台并对你们模型的预测性能进行评价。另外请讨论:根据数据分析及建模过程这些由商家、仓库、商品形成的时间序列如何分类使同一类别在需求上的特征最为相似? B题看似简单实则做起来会很麻烦。要预测各商家在各仓库的商品需求量我们来看看数据表格
35个商家 1212个商品 54个仓库 一个商家-商品-仓库组合才是一个序列每一个序列都有166个完整的时间数据。
所以我们需要迭代计算最起码上千个时间序列模型并进行精度计算这个计算量是非常非常大的别说新手小白我自己做起来估计也要很久。必须要有丰富的大数据处理相关经验。
当然了简化一点的做法就是转化为机器学习模型或者先聚类然后粗略地把每一类做一个预测但最标准的做法肯定还是第一种。
之后研究如何分类使得特征需求相似
两种做法第一种是根据时间序列的特征进行分类例如残差大小。
第二种更推荐那就是根据题目的一些分类做分析。题目的附件2-4给出了商家仓库商品的各种分类信息我们可以做一下统计举个例子 seller_levelLarge 14.244694Medium 7.682062Small 31.873000Special 14.067908Name: qty, dtype: float64,warehouse _category中心仓 24.151613区域仓 8.616975Name: qty, dtype: float64,warehouse _region东北 3.384538华东 19.891776华中 9.006820华北 10.390700华南 10.989828西北 5.365153西南 6.719487
可以根据这些进行聚类。
OKb先讲到这里。
AB的思路讲解后续都还会更新哈。总体而言本次mathorcup大数据竞赛不算简单推荐大家选择A我预计29日前更新完整论文哈B的话看大家需求的情况再定做不做吧。
OK以上只是比较简略的图文版讲解我目前正在写A题完整论文后续会更新哈视频版讲解以及后续完整成品查看和免费资料领取请点击下方我的个人卡片领取↓
