数学建模案例分析.ppt

* 二、、支持向量回归R语言实现 * Step1：导入数据 try-read.table(file=“f:\\data2/try.txt”,header=TRUE) #读入训练集数据; test-read.table(file=“f:\\data2/test.txt”,header=TRUE) #读入 检测集数据; try-as.matrix(try) # 数据转换矩阵形式 test-as.matrix(test) # 数据转换矩阵形式 * 二、、支持向量回归R语言实现 * Step2：采用几种常见核函数建模并比较 svm1-svm(y~.,try,kernel=linear) #使用线性核函数建模; svm2-svm(y~.,try,kernel=sigmoid) #使用sigmoid核函数建模; svm3-svm(y~.,try,kernel=radial)#使用高斯核函数建模; svm4-svm(y~.,try,kernel=polynomial) #使用多项式核函数建模; fy1-predict(svm1,test) fy2-predict(svm2,test) fy3-predict(svm3,test) fy4-predict(svm4,test) * 二、、支持向量回归R语言实现 * Step2：采用几种常见核函数建模并比较 e1-mean(((fy1-ty)/ty)^2) e3-mean(((fy3-ty)/ty)^2) e2-mean(((fy2-ty)/ty)^2) e4-mean(((fy4-ty)/ty)^2) * 二、、支持向量回归R语言实现 * try-data.frame(try) obj- tune.svm(y~.,data=try, kernel=radial,gamma = 10^(-6:-1), cost = 10^(1:2)) summary(obj) Step3：选定核函数下，选择其他参数 * 二、、支持向量回归R语言实现 * model -svm(y~.,data=try, gamma = 0.01, cost = 100) summary(model) cy-predict(model,test) e-mean(((cy-ty)/ty)^2) Step4：在选定核函数和参数值下估计模型 * 二、、支持向量回归R语言实现 * 思路：首先分别建立各自变量的时间线性预测模型，然后给出预测期估计值 然后带入SVM模型得出GDP预测期估计值。 Step5：预测 * Part Five 结论 * * 我国主要数据匹配度良好 主要指标与GDP的关联关系的紧密程度依次是城镇居民可支配收入、农村居民可支配收入、第三产业比重、财政收入、第二产业比重 居民收入影响因素中城乡互为首要因素，其次是GDP的增长和第三产业的发展 我国经济发展应该把着眼点放在增加城乡居民收入、刺激消费同时加强第三产业发展。 * * * * * * * * * * * 用另外一个哲学例子来说：世界上本来没有两个完全一样的物体，对于所有的两个物体，我们可以通过增加维度来让他们最终有所区别，比如说两本书，从(颜色，内容)两个维度来说，可能是一样的我们可以加上作者 这个维度，是在不行我们还可以加入 页码，可以加入 拥有者，可以加入购买地点，可以加入 笔记内容等等。当维度增加到无限维的时候，一定可以让任意的两个物体可分了。 ， * 用另外一个哲学例子来说：世界上本来没有两个完全一样的物体，对于所有的两个物体，我们可以通过增加维度来让他们最终有所区别，比如说两本书，从(颜色，内容)两个维度来说，可能是一样的我们可以加上作者 这个维度，是在不行我们还可以加入 页码，可以加入 拥有者，可以加入购买地点，可以加入 笔记内容等等。当维度增加到无限维的时候，一定可以让任意的两个物体可分了。 ， * 用另外一个哲学例子来说：世界上本来没有两个完全一样的物体，对于所有的两个物体，我们可以通过增加维度来让他们最终有所区别，比如说两本书，从(颜色，内容)两个维度来说，可能是一样的我们可以加上作者 这个维度，是在不行我们还可以加入 页码，可以加入 拥有者，可以加入购买地点，可以加入 笔记内容等等。当维度增加到无限维的时候，一定可以让任意的两个物体可分了。 ， * 用另外一个哲学例子来说：世界上本来没有两个完全一样的物体，对于所有的两个物体，我们可以通过增加维度来让他们最终有所区别，比如说两本书，从(颜色，内容)两个维度来说，可能是一样的我们可以加上作者 这个维度，是在不行我们还可以加入 页码，可以加入 拥有者，可以加入购买地点，可以加入 笔记内容等等。当维度增加到无限维的时候，一定可以让任意的两个物体可分了。 ， * 用另外一个哲学