灰色预测模型

正如其名,是一种预测的方法,可用于解决众多的预测问题。为什么会叫灰色呢?正如我们计算机领域中有着黑客、白客、灰客,对应不同的法律触及范围,灰色代表一个模糊的地带。灰色预测代表对一个既含已知信息又含未知信息的系统预测。

灰色关联度

这么看可能有点看不懂,那就来看看实例:

参考数列一般取各个指标最优解。

一般取0.5就可以了。

基本流程

数据检验及处理 -> 建立GM模型

1.数据检验及处理

2.建立GM模型

灰色生成数列

在一些原始数据中,其排布形式其实是杂乱无章的无法进行下一步预测。但是如果对数据进行特殊处理,生成有规律的函数后就方便预测了,将预测后的数据进行特殊处理的逆操作就可以得到原始数据的变化规律了。

一般分为三种:

累加和累减生成就是互为逆操作。

灰色模型

总步骤:(看不懂没关系会用就行)

3.残差检验

实际代码用起来还是挺简单的:

复制代码
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 加载数据
file_path = r'D:\Studying Resources\数学建模\01 90多种常用数学建模算法代码汇总!\基础算法\processed_data_with_topsis.xlsx'
data = pd.read_excel(file_path)

# 数据标准化
def normalize(df):
    return df / df.max()

# 计算灰色关联度
def grey_relational_coefficient(df, reference=None):
    if reference is None:
        reference = df.max()  # 选取各列的最大值作为参考序列
    n_samples, n_features = df.shape
    df_normalized = normalize(df)
    reference_normalized = normalize(reference)

    # 计算关联度
    xi = df_normalized.to_numpy()
    xr = reference_normalized.to_numpy()
    xi_minus_xr = np.abs(xi - xr)

    rho = 0.5  # 分辨系数,通常取值为0.5
    delta_min = np.min(xi_minus_xr)
    delta_max = np.max(xi_minus_xr)

    GR = (delta_min + rho * delta_max) / (xi_minus_xr + rho * delta_max)
    GR_mean = np.mean(GR, axis=1)
    return GR_mean


# 执行灰色关联分析
gra_scores = grey_relational_coefficient(data)

# 添加灰色关联分析得分到原始数据
data['GRA_Score'] = gra_scores

# 可视化灰色关联分析得分
plt.figure(figsize=(10, 6))
plt.bar(data.index, data['GRA_Score'], color='lightgreen')
plt.xlabel('Sample Index')
plt.ylabel('GRA Score')
plt.title('Grey Relational Analysis Scores of Samples')
plt.show()

# 保存结果
output_path = r'scored_data_with_gra.xlsx'
data.to_excel(output_path, index=False)
print("数据已处理并保存至:", output_path)
相关推荐
董董灿是个攻城狮1 小时前
5分钟搞懂什么是窗口注意力?
算法
Dann Hiroaki1 小时前
笔记分享: 哈尔滨工业大学CS31002编译原理——02. 语法分析
笔记·算法
九年义务漏网鲨鱼2 小时前
【大模型学习 | MINIGPT-4原理】
人工智能·深度学习·学习·语言模型·多模态
元宇宙时间2 小时前
Playfun即将开启大型Web3线上活动,打造沉浸式GameFi体验生态
人工智能·去中心化·区块链
开发者工具分享2 小时前
文本音频违规识别工具排行榜(12选)
人工智能·音视频
产品经理独孤虾2 小时前
人工智能大模型如何助力电商产品经理打造高效的商品工业属性画像
人工智能·机器学习·ai·大模型·产品经理·商品画像·商品工业属性
老任与码2 小时前
Spring AI Alibaba(1)——基本使用
java·人工智能·后端·springaialibaba
蹦蹦跳跳真可爱5893 小时前
Python----OpenCV(图像増强——高通滤波(索贝尔算子、沙尔算子、拉普拉斯算子),图像浮雕与特效处理)
人工智能·python·opencv·计算机视觉
nananaij3 小时前
【Python进阶篇 面向对象程序设计(3) 继承】
开发语言·python·神经网络·pycharm
雷羿 LexChien3 小时前
从 Prompt 管理到人格稳定:探索 Cursor AI 编辑器如何赋能 Prompt 工程与人格风格设计(上)
人工智能·python·llm·编辑器·prompt