主题
高频问题 FAQ
处理数据、设计验证或撰写论文时,可以先看快速回答,再根据数据条件查看例外情况和操作建议。
文章列表
- 没有足够数据还能建模吗?
根据任务判断数据缺口,用约束、区间和情景给出有条件的结论。
- 样本量很少时应该选择什么模型?
根据独立样本数控制模型复杂度,并检查单个观测对结论的影响。
- 缺失值应该如何处理?
先查清缺失含义与分布,再选择删除、填补或保留缺失信息。
- 如何识别与处理异常值?
从业务边界和数据分布识别异常,再验证保留或修正对结论的影响。
- 类别不平衡怎么办?
结合真实类别比例、误报漏报成本和验证结果选择训练策略与阈值。
- 特征之间高度相关怎么办?
按解释或预测目标处理共线性,检查特征来源、系数稳定性和验证表现。
- 标准化与归一化如何选择?
根据模型的距离、正则化和区间要求选择缩放方式,并保存训练统计量。
- 如何划分训练集、验证集和测试集?
按预测对象和数据依赖决定划分边界,防止共享主体和未来信息进入训练。
- 交叉验证应该如何选择?
结合独立样本、类别比例、分组和时间顺序选择验证方案。
- 如何选择回归模型的评价指标?
根据误差单位、极端误差成本和结果用途,在 MAE、RMSE 与 R² 中选择指标。
- 如何选择分类模型的评价指标?
根据误报漏报的成本、类别比例和评分用途选择分类指标与阈值。
- 如何评价时间序列预测效果?
按实际预测时点和预测步长回测,并与同周期朴素预测对比。
- 为什么需要基线模型?
用同条件下的简单方案判断复杂模型带来的实际改进。
- 综合评价模型的权重应该如何确定?
区分决策偏好和数据差异,审查权重来源并检验方案排序的稳定性。
- 不同量纲与方向的评价指标如何处理?
识别效益型、成本型和目标型指标,统一方向并解释尺度规则。
- 一个建模问题能否组合使用多个模型?
按子问题、预测融合或结果对照组织多个模型,并验证接口与整体收益。
- 数学建模应该选择 Python 还是 MATLAB?
按现成代码、求解能力、成员熟练度与交付复现条件选择建模工具。
- 如何规范引用数学建模中的算法与参考文献?
为算法、软件、数据与复用代码匹配可核查来源,并确保文内与文末一致。
- 为什么相关系数不能直接说明因果?
从分组数据理解混杂、Pearson 相关方向反转与因果问题。
- MATLAB 的矩阵运算与逐元素运算有什么区别?
通过数值小例和残差验证理解 MATLAB 星号、点乘、反斜杠及 NumPy 对应写法。
- 为什么线性回归常用最小二乘?
从三个数的损失比较理解平方误差、平均值、绝对误差与少量异常值的影响。
- 为什么优化算法会停在局部最优?
用同一双谷函数的两个初值区分停机、局部最优和全局最优。