給大家安利一款朋友開發的自研國產資料分析基礎工具，一鍵式自動分析，自動生成分析模板，5分鐘掌握主流61個統計類數學模型（幾乎涵蓋spss絕大部分功能），以及23個有監督機器學習（包括隨機森林，svm，xgboost等）
ps：巨方便簡單上手，貌似現在是免費
官網：www.mpaidata.com mpai資料科學平台
與灰色**模型一樣，比賽不能優先使用，灰色關聯往往可以與層次分析結合使用。層次分析用在確定權重上面
確定比較物件（評價物件）(就是資料，並且需要進行規範化處理，就是標準化處理，見下面例題的**資料)和參考數列（評價標準，一般該列數列都是1，就是最優的的情況）
確定各個指標權重，可用層次分析確定
計算灰色關聯係數
這是乙個比較複雜的公式，給出的**可以直接執行出來，可以先不管這個公式。
計算灰色加權關聯度，計算公式為：
其中ri就是第i個指針對理想物件（參考數列，一般該數列都是1，就是最有情況）的加權關聯度。就可以認為是評價的結果。
評價分析。
例 1 通過對某健將級女子鉛球運動員的跟蹤調查，獲得其 1982 年至 1986 年每年最好成績及 16 項專項素質和身體素質的時間序列資料，見下表，試對此鉛球運動員的專項成績進行因素分析。
表 各項成績資料
1982
1983
1984
1985
1986
鉛球專項成績
13.6
14.01
14.54
15.64
15.69
4kg 前拋
11.50
13.00
15.15
15.30
15.02
4kg 後拋
13.76
16.36
16.90
16.56
17.30
4kg 原地
12.41
12.70
13.96
14.04
13.46
立定跳遠
2.48
2.49
2.56
2.64
2.59
高 翻
8585
90100
105抓 舉
5565
7580
80臥 推
6570
7585
903kg 前拋
12.80
15.30
16.24
16.40
17.05
3kg 後拋
15.30
18.40
18.75
17.95
19.30
3kg 原地
12.71
14.50
14.66
15.88
15.70
3kg 滑步
14.78
15.54
16.03
16.87
17.82
立定**跳
7.64
7.56
7.76
7.54
7.70
全 蹲
120125
130140
140挺 舉
8085
9090
9530 公尺起跑
4″24″25
4″14″06
3″99
100 公尺
13″1
13″42
12″85
12″72
12″56
clc,clear
load x.txt %把原始資料存放在純文字檔案 x.txt 中，其中把資料的"替換替換成.
for i=1:15
x(i,:)=x(i,:)/x(i,1); %標準化資料
endfor i=16:17
x(i,:)=x(i,1)./x(i,:); %標準化資料
end——————————————————————————————————
上面是資料標準化處理，當然這是司老師書中的標準化處理的**，
——————————————————————————————————
data=x;
n=size(data,2); %求矩陣的列數，即觀測時刻的個數
ck=data(1,:); %提出參考數列
bj=data(2:end,:); %提出比較數列
m2=size(bj,1); %求比較數列的個數
for j=1:m2
t(j,:)=bj(j,:)-ck;
endmn=min(min(abs(t'))); %求最小差
mx=max(max(abs(t'))); %求最大差
rho=0.5; %分辨係數設定
ksi=(mn+rho*mx)./(abs(t)+rho*mx); %求關聯係數
r=sum(ksi')/n %求關聯度
[rs,rind]=sort(r,'descend') %對關聯度進行排序
數學建模 之 灰色關聯分析GRA
灰色關聯分析一句話，就是按照重要性對因素進行排序。但是演算法還是很有東西的。不然不同的如何，emmm解決呢，對吧。就是減少資料的絕對數值的差異，將它們統一到近似的範圍內，然後重點關注其變化和趨勢。如果不做處理必然導致大的數值的影響會 淹沒 掉小數值的變數的影響。所以我們要對資料進行歸一化處理，主要方...
數學建模模型大全
類別 類別 2 模型名稱 關鍵點 備註 參考書目 複雜系統 庫存模型 排隊模型 可靠系統 差分方程模型 動力系統類 酵母菌增長模型 平衡點 平衡點的分類 地高辛衰減模型 戰爭模型 總量一定時，對單量的分配 競爭物種模型 不穩定平衡 對初始值敏感 比例性模型 釣魚比賽模型 幾何相似性 身高 體重與靈活...
數學建模高階方法（三） 灰色關聯分析，復相關係數
2014年9月4日 在對指標進行關聯性分析時可以採用回歸分析，灰色關聯度分析，以及優勢分析等方法。但考慮到回歸分析需要大量資料，計算量大級及可能出現反常情況等缺陷，因此本文選擇關聯度分析的辦法，來分析葡萄理化指標與葡萄酒理化指標關聯程度，進而分析其間的聯絡。同時，由於需要用較多的葡萄理化指標與對應葡...