摘要：绪论 应用 线性规划部分 c=[-4000,-3000]; A=[2,1;1,1;0,1]; b=[10,8,7] lb=[0,0]; [x,fval]=linprog(c,A,b,[],[],lb); c=[-4,-1]; A=[-1,2;2,3;1,-1]; b=[4;12;3]; lb=[0, 阅读全文

摘要：灰色预测模型（Grey Prediction Model）是一种处理少量、不完全信息的预测方法，尤其适用于数据量少（≥4个）且趋势不明显的场景。 核心模型：GM(1,1) 通过累加生成序列挖掘数据内在规律 核心模型原理 变量右上方的（0）和（1）是用来表示不同数据的不同生成阶次 创建一个文件名为gm 阅读全文

摘要：一、分类算法核心概念 分类是监督学习任务，目标是将数据分配到预定义的类别中。关键步骤包括： 特征工程：提取/选择区分性强的特征 模型训练：学习特征与类别的映射关系 评估指标：准确率、精确率、召回率、F1分数、混淆矩阵 二、常用分类算法解析 1. K近邻（KNN） 原理：基于距离度量，将样本分配给其k 阅读全文

摘要：层次分析法 莫要忘记使用层次分析法要画结构图 矩阵一致性 权重的计算 总结 应用 代码部分： %% 层次分析法 % 只有非一致性才需要一致性检验 %% 获取判断矩阵 disp("请输入判断矩阵A:") A = input('A='); [n,n]=size(A); %% 方法一：算数平均值求权重 s 阅读全文