2021数学建模D题方案完整源码+论文+PPT（数模之星）.zip

# 华为杯研究生数学建模竞赛      <p align="left"> <a href="https://github.com/DongZhouGu/MathModel-Pretrain" target="_blank"> <img src="https://cdn.jsdelivr.net/gh/dongzhougu/imageuse1/img20211231164708.png#pic_center" width=""/> </a> </p> ## Star History [](https://star-history.com/#DongZhouGu/MathModel-Pretrain&Date) ## 简介 > :smiley: 此项目用于我们队伍数学建模比赛准备阶段，在此期间，我们整理了许多算法demo和资料。 > > :clap: 很幸运获得了2021年D题（抗乳腺癌候选药物的优化建模）一等奖。 > > :star: 现在将此项目开源，以帮助更多数模er，祝愿大家都能取得好成绩！如果觉得有用，请点个star 吧！感谢！！ > > :triangular_flag_on_post: 同时，也欢迎大家PR，共同将这个项目壮大！ > <details> <summary>文档目录</summary> <ol> <li><a href="#简介">简介</a></li> <li><a href="#-待办事项">待办事项</a></li> <li><a href="#-项目目录说明">项目目录说明</a></li> <li> <a href="#-算法索引">算法索引</a> <ul> <li><a href="#特征相关">特征相关</a></li> <li><a href="#时间序列">时间序列</a></li> <li><a href="#分类/预测">分类/预测</a></li> <li><a href="#优化问题">优化问题</a></li> <li><a href="#可视化">可视化</a></li> </ul> </li> <li><a href="#-如何参与开源项目">参与此项目</a></li> <li><a href="#-贡献者">贡献者</a></li> <li><a href="#-鸣谢">鸣谢</a></li> </ol> </details> ## 🔨 待办事项 - [ ] 整理仓库 - [x] 上传2021年D题一等奖（数模之星）论文，论文最后有代码 - [x] 上传论文word模板 ## 💻 项目目录说明 ``` filetree ├── README.md 你现在看到的内容 ├── README_OLD.md 比赛准备阶段的README └── 建模算法 各种机器学习的demo和代码 └── 论文模板 2021论文word模板 └── 实用工具 一些值得分享的工具或网站 └── 杂七杂八 经验、PPT资料等 └── code └── 历年赛题 整理搜罗的历年赛题代码 └── tmp 团队初期用于学习的代码 ``` ## 🚀 算法索引 [数学建模模型总结](https://github.com/DongZhouGu/MathModel-Pretrain/blob/master/%E5%BB%BA%E6%A8%A1%E7%AE%97%E6%B3%95/%E6%95%B0%E5%AD%A6%E5%BB%BA%E6%A8%A1%20%E5%9B%9B%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%80%BB%E7%BB%93%20-%20%E7%99%BE%E5%BA%A6%E6%96%87%E5%BA%93.pdf) ### 特征相关 - [组合赋权法](./建模算法/组合赋权法/组合赋权.md)—[code](./建模算法/组合赋权法/组合赋权.md) - [因子分析法](./建模算法/降维/因子分析法.md)—[code](./建模算法/降维/factor_analyze.py)—[demo](./建模算法/降维/terrorism.ipynb) - PCA—[code](./建模算法/降维/terrorism.ipynb)—[demo](./建模算法/组合赋权法/组合赋权.md) - [聚类wkmeans](./建模算法/聚类/划分聚类/wkmeans.md)—[code](./建模算法/聚类/划分聚类/wkmeans.py) - [灰色关联](./建模算法/灰色关联度分析/灰色关联度分析.md)—[code](./建模算法/灰色关联度分析/GRA.py) - [逻辑回归关联](./建模算法/logistic_similar/logstic_similar.md)—[code](./建模算法/logistic_similar/logstic_similar.py) - [缺失值](./建模算法/缺失值插补/插补.md)—[code](./建模算法/缺失值插补/imputer.py)—[demo](./建模算法/缺失值插补/imputer.ipynb) ### 时间序列 - [灰色预测](./建模算法/预测/灰色预测/灰色预测.md)—[code](./建模算法/预测/灰色预测/gm.py)—[demo](./建模算法/预测/灰色预测/灰色预测&线性回归&函数拟合.ipynb) - 线性回归&函数拟合—[code](./建模算法/预测/灰色预测/灰色预测&线性回归&函数拟合.ipynb) - [ARIMA](./建模算法/预测/整合移动平均自回归(ARIMA)/ARIMA.md)—[code](./建模算法/预测/整合移动平均自回归(ARIMA)/arima.py)—[demo](./建模算法/预测/整合移动平均自回归(ARIMA)/ARIMA.ipynb) - Lstm—[code](./建模算法/lstm/lstm.py)—[demo](./建模算法/预测/kaggle预测题/Rossmann_Store_Sales.ipynb) ### 分类/预测 - [线性回归、多项式回归、神经网络回归](./建模算法/回归/线性回归/线性回归.md)—[code](./建模算法/回归/线性回归/pytorch_linear_distributed.py)—[demo](./建模算法/回归/线性回归/boston.ipynb) - [神经网络集成学习](./建模算法/集成学习/集成学习.md)—[demo](./建模算法/集成学习/classify_regression_visual.ipynb) - 机器学习pipline—[demo](./建模算法/pipline/mlFlow.ipynb) ### 优化问题 - [约束优化gurobi求解器](./建模算法/约束优化/gurobi求解器.md)—[demo](./建模算法/约束优化/gurobi.ipynb) - 贪心—[demo](./建模算法/约束优化/贪心.ipynb) - Dijkstra—[code](./建模算法/Dijkstra/dijkstra.py)—[demo](./建模算法/Dijkstra/question1.1.ipynb) ### 可视化 - [matplotlib](./code/tmp/matplotlib/README.md)—[demo](matplotlib-beginner.ipynb) - [seaborn](./code/tmp/seaborn/README.md)—[demo](./code/tmp/seaborn/Searborn.ipynb) - 可视化以恐怖袭击为例—[demo](./建模算法/可视化/可视化以恐怖袭击为例.ipynb) - 可视化以covid-19为例—[demo](./code/tmp/案例/covid19/coronavirus-covid-19-visualization-prediction.ipynb) - 自动EDA包：pandas-profiling、sweetviz、dataprep、lux、AutoViz ## 📫 如何参与开源项目 贡献使开源社区成为一个学习、激励和创造的绝佳场所。 1. Fork这个项目 2. 创建您的单独分支 (`git checkout -b your_branch`) 3. 提交您的更改 (`git commit -m 'Add some AmazingFeature'`) 4. 上传到您的分支中 (`git push origin your_branch`) 5. 创建拉取请求，请参阅 如何[创建拉取请求](https://help.github.com/en/github/collaborating-with-issues-and-pull-requests/creating-a-pull-request)。 ## 🤝 贡献者 我们感谢以下对这个项目做出贡献的人： <table> <tr> <td align="center"> <a href="https://github.com/yysfff"> <img src="https://avatars.githubusercontent.com/u/56332682?v=4" width="100px;"/><br> _<b>YYS</b> </a> </td> <td align="center"> <a href="https://github.com/xiao-aBoy"> <img src="https://avatars.githubusercontent.com/u/45626011?v=4" width="100px;"/><br> _<b>LX</b> </a> </td> </tr> </table> ## ☕ 鸣谢 感谢以下项目，我们从中得到了很大的帮助： - [scikit-learn 机器学习 常用算法及编程实战](https://github.com/DongZhouGu/scikit-learn-ml) - [黄海广老师的机器学习项目](https://github.com/fengdu78/machine_learning_beginner) - [最全的特征工程&特征选择demo](https://github.com/Yimeng-Zhang/feature-engineering-and-feature-selection) - [智能启发算法scikit-opt库](https://github.com/guofei9987/scikit-opt)以及[作者博客](https://www.guofei.site/) - [sklearn 中文文档](https://www.scikitlearn.com.cn/) - [AI learning](https://github.com/apachecn/AiLearning) - [数据竞赛Top解决方案开源整理](https://github.com/Smilexuhc/Data-Competition-TopSolution)