全国大学生数学建模竞赛以下简称国赛考察的并不是选手会不会背公式而是团队在 72 小时左右把一个现实问题转化为数学模型、编程求解、验证结果并写成论文的完整能力。对零基础队伍来说最容易踩的坑是流程混乱时间分配不合理、数据处理不严谨、模型堆砌、结果不验证、论文摘要不像摘要最后熬完比赛竞争力却很低。下面这套路径从工具准备、数据处理、三大模型、真题拆解、AI 应用、论文撰写到问题排查适合准备 2026 年国赛的零基础队伍逐步跟练。文章里的代码和示例均以教学为目的落地时要结合自己的题目、数据和运行环境调整。1. 先理解国赛的竞赛节奏和评审逻辑1.1 竞赛时间线零基础队伍最缺的是整体进度感国赛通常安排在每年 9 月左右具体日期以官网通知为准连续进行约 72 小时。零基础队伍最容易犯的错误是把时间全花在建模和算数上论文在最后半天才动笔结果图表、编号、摘要都来不及整理。可以参考下面这种时间分配方式阶段时间主要任务注意点读题选题0-2 小时快速浏览全部题目判断每题的题型、数据量、模型方向定题后不要频繁更换数据与模型框架2-12 小时完成数据清洗把每一问的建模路径写成文字先写思路不急着写代码求解与验证12-48 小时跑通核心模型做参数调整和验证保留每次运行的结果和图表论文撰写48-68 小时每天填充正文最后再定稿摘要摘要要包含具体数值结果排版检查68-72 小时统一图表编号、页码、公式导出 PDF备份最终文件这张表是通用的节奏建议不是官方规则。真正比赛时要根据题目难度调整。核心原则是论文写作不能放到最后一天而是要从第一天晚上就开始积累。1.2 评审老师到底在看什么评审不会把一篇参赛论文从头到尾逐字读完。典型流程是先看摘要和关键词再看问题分析、模型建立、求解结果、验证和结论。摘要必须给出“问题、方法、结果、误差”四个要素。比如不能只说“本文建立了优化模型”而要说“本文建立了以利润最大化为目标的整数规划模型采用分支定界法求解与遗传算法对比后最优利润为 123.5 万元比初始方案提升 18%”。评审通常关注以下维度评审维度具体关注点摘要信息量是否能在 1 分钟内读完并知道结果问题分析是否真正理解题意还是机械抄题模型假设假设是否合理是否与题目条件矛盾模型求解是否有完整推导、求解方法和可复现代码结果验证是否做误差分析、敏感性分析、模型对比图表规范坐标轴、单位、编号是否清楚论文完整性是否有结论、模型评价、参考文献很多队伍只做了模型和答案没有说明为什么这个模型合适也没有验证这在评审里会吃大亏。1.3 零基础队伍常见的五个误区误区一盲目选择看起来“高端”的题目。题目越开放竞争对手越强。零基础队伍如果不能在 72 小时内完成完整闭环不如选数据处理量适中、模型路径清晰的题。误区二把数据处理当“清理垃圾”。实际上数据处理的结果直接影响模型质量。缺失值填错了后面的预测和评价都会失真。误区三堆模型。一篇文章里出现七八个模型但没有一个讲清楚评审印象会变得模糊。正确做法是“主线模型讲透对比模型辅助证明”。误区四不做验证。模型跑完就写论文没有敏感性分析没有误差评估结果是否正确完全无法判断。误区五最后一天才开始排版。国赛论文页数多、图表多不提前排版很容易漏编号、超页数或图表错位。2. 工具链与资源准备先把环境准备好再谈发挥2.1 编程语言和软件怎么选主推 Python因为数据处理、机器学习和可视化的生态最全网上也能找到大量比赛代码库。MATLAB 在部分数值计算和官方题库场景下也有优势适合团队中另一位队员配合使用。如果不熟悉 MATLAB不建议赛前临时切换。SPSS、Stata、Origin 可以作为补充用来做统计检验或画图。下面是一个适合国赛场景的选型对比工具适合场景学习成本注意事项Python数据处理、机器学习、可视化、优化求解中等依赖包版本容易冲突MATLAB数值计算、矩阵运算、雷达图等因素较高安装包大授权要提前确认SPSS统计检验、问卷分析低不适合复杂自定义建模Origin科研绘图低数据预处理能力较弱Stata计量经济学模型中等面板数据分析较强建议团队三个人都能用 Python 做基础数据处理至少一个人能独立搭建机器学习模型。编程不是万能的但没有编程能力72 小时很难完成从清洗到求解的全流程。2.2 Python 建模环境快速检查建议使用 Anaconda 或 venv 创建独立环境避免系统 Python 被污染。比赛前可以把常用依赖一次装好conda create -n mathmodel python3.11 -y conda activate mathmodel pip install pandas numpy scipy scikit-learn matplotlib seaborn statsmodels networkx pulp openpyxl解释一下这些库的作用pandas表格数据读取、清洗、聚合。numpy数组计算和矩阵运算。scipy优化、插值、统计。scikit-learn机器学习模型和数据预处理。matplotlib/seaborn绘图。statsmodels统计检验和时间序列模型。networkx图与网络分析。pulp线性规划和整数规划。openpyxlExcel 文件读取。不要照搬版本号安装时以当前稳定版为准。如果比赛期间网络不稳定赛前就要把需要的.whl文件下载到本地备用。2.3 验证环境的快速测试脚本创建环境后先运行一个版本检查脚本确认所有依赖都能被正确导入import sys import pandas as pd import numpy as np import sklearn import scipy print(Python:, sys.version) print(pandas:, pd.__version__) print(numpy:, np.__version__) print(scikit-learn:, sklearn.__version__) print(scipy:, scipy.__version__)运行后应逐行显示版本号。如果哪一行报 ImportError就说明对应包没有装好需要提前处理而不是比赛开始后才排查环境。2.4 赛前资料库和代码武器库建议准备四个文件夹data_utils通用的数据读取、缺失值检查、画图函数。models线性回归、决策树、随机森林、XGBoost、ARIMA、LP 等模板代码。papers/abstracts优秀论文的摘要和结构拆解。tricks常用技巧比如如何做 3σ 异常值筛选如何用 AI 工具调试代码。这些代码应该是自己跑通过的最小版本比赛时再根据题目修改而不是现场去网上找。比赛过程中越早建立“半成品函数库”后面处理数据和建模就越快。3. 数据处理全流程从原始表到可建模数据数据处理是国赛中影响最大、也最容易被忽略的环节。很多题目下载下来是原始 CSV 或 Excel存在缺失值、重复记录、不同单位和异常值。下面这套流程以 Python 为例核心目标是让原始数据变成可直接进入模型的干净表格。3.1 数据读取与初步认知不要拿到数据后立刻建模。先把数据读进来观察基本结构import pandas as pd df pd.read_csv(data.csv, encodingutf-8) print(df.shape) print(df.dtypes) print(df.head()) print(df.describe())这里有几个关键动作shape确认行数和列数判断数据量是否在预期范围内。dtypes发现哪些列被读成 object这些列可能需要做编码或日期转换。head看前几行确认表头是否正常有没有错位。describe看数值列的 min、max、mean、std经常可以发现明显不合理的数据比如销量为负数、价格超过正常范围。如果数据是 Excel 多 sheet需要逐个读取df pd.read_excel(data.xlsx, sheet_namesales)3.2 缺失值怎么处理先统计缺失分布不要盲目填充missing df.isnull().sum() print(missing[missing 0])常见的缺失值处理方法如下方法适用场景注意点直接删除缺失比例低且缺失是随机发生的删除后要检查样本量是否仍然足够均值/中位数填充数值型缺失比例不高会降低方差适合作为简单基线前值/插值填充时间序列数据对缺失连续多个点时要谨慎模型预测填充缺失值与其他特征相关性较强不要用标签列填充特征单独标记缺失分类变量缺失本身可能也是一种信息千万不要一个fillna填所有列。比如把“收入”和“地区编号”都用均值填充模型结果会很不真实。还要注意时间序列数据不能使用未来值填充历史缺失否则会造成数据泄漏。3.3 异常值处理异常值常用 3σ 法和 IQR 法。IQR 示例Q1 df[sales].quantile(0.25) Q3 df[sales].quantile(0.75) IQR Q3 - Q1 low Q1 - 1.5 * IQR high Q3 1.5 * IQR outliers df[(df[sales] low) | (df[sales] high)] print(outliers)要特别注意异常值不一定是错误。它可能是促销峰值、季节效应、特殊事件造成的真实极端值。如果直接删除模型会低估极端情况。推荐先把异常样本列出来逐条判断属于“录入错误”还是“真实极端值”再决定处理方式。3.4 数据变换标准化、归一化和编码标准化和归一化看起来像一回事但适用场景不同方法公式适用模型标准化 StandardScaler(x - mean) / stdSVM、KNN、PCA、神经网络归一化 MinMaxScaler(x - min) / (max - min)需要固定范围、无单位时对数变换 log1p压缩右偏分布销量、金额等正偏数据树模型对特征尺度不敏感标准化不影响随机森林和 XGBoost 的结果但距离类模型和线性模型对尺度很敏感。标准化要先用训练集 fit再对测试集 transform不能拿着全量数据同一次 fit否则会造成数据泄漏。分类字段可以用 One-Hot 编码df pd.get_dummies(df, columns[category], drop_firstTrue)类别过多时可以先合并低频类别避免编码后特征维度爆炸。3.5 可视化辅助建模决策数据处理阶段就要画图。热力图可以发现共线性import matplotlib.pyplot as plt import seaborn as sns corr df.corr(numeric_onlyTrue) plt.figure(figsize(10, 8)) sns.heatmap(corr, annotTrue, cmapRdBu, annot_kws{size: 8}) plt.title(Correlation Matrix) plt.show()如果两个特征相关系数高于 0.9建模时同时放进去会导致多重共线性。时间序列数据要画折线图观察趋势、周期和异常突变。这些可视化结果可以直接放到论文的“数据分析”部分既能证明建模过程严谨又增加了论文篇幅的可读性。常见坑日期列读取后仍是字符串需要用pd.to_datetime转换。多个表拼接时没有统一主键导致行数翻倍。Excel 多个 sheet 没有逐个读取数据只读入一部分。数据清洗每完成一步就保存中间结果避免程序崩溃后全部重来。4. 三大模型体系优化、预测、评价零基础队伍不需要把算法全部学透但需要掌握三大类模型的使用场景和最小代码模板。国赛的绝大多数问题可以被归为三类求最优方案、预测未来、评价方案好坏。4.1 优化模型给一个目标找最优方案优化模型适合资源分配、生产排程、路径规划等。核心三要素是决策变量、目标函数、约束条件。先把问题写成数学形式再编程求解。例如一个简化生产问题生产 A、B 两种产品占用设备工时和原料目标是在设备工时、原料库存限制下最大化利润。这种问题适合线性规划。用 PuLP 求解import pulp # 创建最大化问题 prob pulp.LpProblem(MaxProfit, pulp.LpMaximize) # 决策变量 x pulp.LpVariable(x_A, lowBound0, catContinuous) y pulp.LpVariable(x_B, lowBound0, catContinuous) # 目标函数 prob 40 * x 30 * y, Profit # 约束 prob 2 * x 3 * y 120, MachineHours prob 4 * x 2 * y 160, RawMaterial prob x 10, ContractA # 求解 status prob.solve() print(pulp.LpStatus[status]) print(A:, pulp.value(x), B:, pulp.value(y)) print(Profit:, pulp.value(prob.objective))代码里使用的是简化示例数据和约束实际题目要按题目条件修改。注意当变量要求整数时把cat改成Integer当目标函数或约束不是线性时需要用scipy.optimize.minimize或遗传算法等。在论文里写优化模型时不要只贴代码要写清楚为什么设置这些变量和约束。例如“设备工时约束反映了企业产能上限原料库存约束反映了供应链限制”。4.2 预测模型用历史数据推断未来预测模型适合销量预测、人口增长、温度变化等。入门阶段先掌握线性回归再学时间序列和树模型。下面用一个简单示例展示划分数据、训练多个模型并评估from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score X df[[feature1, feature2, feature3]] y df[target] X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 ) models { linear: LinearRegression(), rf: RandomForestRegressor(n_estimators100, random_state42), } for name, model in models.items(): model.fit(X_train, y_train) pred model.predict(X_test) print(name) print(MAE:, mean_absolute_error(y_test, pred)) print(RMSE:, mean_squared_error(y_test, pred, squaredFalse)) print(R2:, r2_score(y_test, pred))注意如果 scikit-learn 版本较新mean_squared_error里可能不再支持squaredFalse可以改用root_mean_squared_error或者直接打印np.sqrt(mean_squared_error(...))。预测模型最重要的不是模型多高级而是验证。预测未来时不能用未来信息去训练。比如预测 7 月销量训练集只能包含 6 月及以前的数据。时间序列数据必须按时间顺序划分不能用随机划分。不同模型适用场景| 模型 | 适用场景 | 优点 | 风险 | | --- | ---
零基础备战数学建模国赛：数据处理、模型求解与论文撰写路径
全国大学生数学建模竞赛以下简称国赛考察的并不是选手会不会背公式而是团队在 72 小时左右把一个现实问题转化为数学模型、编程求解、验证结果并写成论文的完整能力。对零基础队伍来说最容易踩的坑是流程混乱时间分配不合理、数据处理不严谨、模型堆砌、结果不验证、论文摘要不像摘要最后熬完比赛竞争力却很低。下面这套路径从工具准备、数据处理、三大模型、真题拆解、AI 应用、论文撰写到问题排查适合准备 2026 年国赛的零基础队伍逐步跟练。文章里的代码和示例均以教学为目的落地时要结合自己的题目、数据和运行环境调整。1. 先理解国赛的竞赛节奏和评审逻辑1.1 竞赛时间线零基础队伍最缺的是整体进度感国赛通常安排在每年 9 月左右具体日期以官网通知为准连续进行约 72 小时。零基础队伍最容易犯的错误是把时间全花在建模和算数上论文在最后半天才动笔结果图表、编号、摘要都来不及整理。可以参考下面这种时间分配方式阶段时间主要任务注意点读题选题0-2 小时快速浏览全部题目判断每题的题型、数据量、模型方向定题后不要频繁更换数据与模型框架2-12 小时完成数据清洗把每一问的建模路径写成文字先写思路不急着写代码求解与验证12-48 小时跑通核心模型做参数调整和验证保留每次运行的结果和图表论文撰写48-68 小时每天填充正文最后再定稿摘要摘要要包含具体数值结果排版检查68-72 小时统一图表编号、页码、公式导出 PDF备份最终文件这张表是通用的节奏建议不是官方规则。真正比赛时要根据题目难度调整。核心原则是论文写作不能放到最后一天而是要从第一天晚上就开始积累。1.2 评审老师到底在看什么评审不会把一篇参赛论文从头到尾逐字读完。典型流程是先看摘要和关键词再看问题分析、模型建立、求解结果、验证和结论。摘要必须给出“问题、方法、结果、误差”四个要素。比如不能只说“本文建立了优化模型”而要说“本文建立了以利润最大化为目标的整数规划模型采用分支定界法求解与遗传算法对比后最优利润为 123.5 万元比初始方案提升 18%”。评审通常关注以下维度评审维度具体关注点摘要信息量是否能在 1 分钟内读完并知道结果问题分析是否真正理解题意还是机械抄题模型假设假设是否合理是否与题目条件矛盾模型求解是否有完整推导、求解方法和可复现代码结果验证是否做误差分析、敏感性分析、模型对比图表规范坐标轴、单位、编号是否清楚论文完整性是否有结论、模型评价、参考文献很多队伍只做了模型和答案没有说明为什么这个模型合适也没有验证这在评审里会吃大亏。1.3 零基础队伍常见的五个误区误区一盲目选择看起来“高端”的题目。题目越开放竞争对手越强。零基础队伍如果不能在 72 小时内完成完整闭环不如选数据处理量适中、模型路径清晰的题。误区二把数据处理当“清理垃圾”。实际上数据处理的结果直接影响模型质量。缺失值填错了后面的预测和评价都会失真。误区三堆模型。一篇文章里出现七八个模型但没有一个讲清楚评审印象会变得模糊。正确做法是“主线模型讲透对比模型辅助证明”。误区四不做验证。模型跑完就写论文没有敏感性分析没有误差评估结果是否正确完全无法判断。误区五最后一天才开始排版。国赛论文页数多、图表多不提前排版很容易漏编号、超页数或图表错位。2. 工具链与资源准备先把环境准备好再谈发挥2.1 编程语言和软件怎么选主推 Python因为数据处理、机器学习和可视化的生态最全网上也能找到大量比赛代码库。MATLAB 在部分数值计算和官方题库场景下也有优势适合团队中另一位队员配合使用。如果不熟悉 MATLAB不建议赛前临时切换。SPSS、Stata、Origin 可以作为补充用来做统计检验或画图。下面是一个适合国赛场景的选型对比工具适合场景学习成本注意事项Python数据处理、机器学习、可视化、优化求解中等依赖包版本容易冲突MATLAB数值计算、矩阵运算、雷达图等因素较高安装包大授权要提前确认SPSS统计检验、问卷分析低不适合复杂自定义建模Origin科研绘图低数据预处理能力较弱Stata计量经济学模型中等面板数据分析较强建议团队三个人都能用 Python 做基础数据处理至少一个人能独立搭建机器学习模型。编程不是万能的但没有编程能力72 小时很难完成从清洗到求解的全流程。2.2 Python 建模环境快速检查建议使用 Anaconda 或 venv 创建独立环境避免系统 Python 被污染。比赛前可以把常用依赖一次装好conda create -n mathmodel python3.11 -y conda activate mathmodel pip install pandas numpy scipy scikit-learn matplotlib seaborn statsmodels networkx pulp openpyxl解释一下这些库的作用pandas表格数据读取、清洗、聚合。numpy数组计算和矩阵运算。scipy优化、插值、统计。scikit-learn机器学习模型和数据预处理。matplotlib/seaborn绘图。statsmodels统计检验和时间序列模型。networkx图与网络分析。pulp线性规划和整数规划。openpyxlExcel 文件读取。不要照搬版本号安装时以当前稳定版为准。如果比赛期间网络不稳定赛前就要把需要的.whl文件下载到本地备用。2.3 验证环境的快速测试脚本创建环境后先运行一个版本检查脚本确认所有依赖都能被正确导入import sys import pandas as pd import numpy as np import sklearn import scipy print(Python:, sys.version) print(pandas:, pd.__version__) print(numpy:, np.__version__) print(scikit-learn:, sklearn.__version__) print(scipy:, scipy.__version__)运行后应逐行显示版本号。如果哪一行报 ImportError就说明对应包没有装好需要提前处理而不是比赛开始后才排查环境。2.4 赛前资料库和代码武器库建议准备四个文件夹data_utils通用的数据读取、缺失值检查、画图函数。models线性回归、决策树、随机森林、XGBoost、ARIMA、LP 等模板代码。papers/abstracts优秀论文的摘要和结构拆解。tricks常用技巧比如如何做 3σ 异常值筛选如何用 AI 工具调试代码。这些代码应该是自己跑通过的最小版本比赛时再根据题目修改而不是现场去网上找。比赛过程中越早建立“半成品函数库”后面处理数据和建模就越快。3. 数据处理全流程从原始表到可建模数据数据处理是国赛中影响最大、也最容易被忽略的环节。很多题目下载下来是原始 CSV 或 Excel存在缺失值、重复记录、不同单位和异常值。下面这套流程以 Python 为例核心目标是让原始数据变成可直接进入模型的干净表格。3.1 数据读取与初步认知不要拿到数据后立刻建模。先把数据读进来观察基本结构import pandas as pd df pd.read_csv(data.csv, encodingutf-8) print(df.shape) print(df.dtypes) print(df.head()) print(df.describe())这里有几个关键动作shape确认行数和列数判断数据量是否在预期范围内。dtypes发现哪些列被读成 object这些列可能需要做编码或日期转换。head看前几行确认表头是否正常有没有错位。describe看数值列的 min、max、mean、std经常可以发现明显不合理的数据比如销量为负数、价格超过正常范围。如果数据是 Excel 多 sheet需要逐个读取df pd.read_excel(data.xlsx, sheet_namesales)3.2 缺失值怎么处理先统计缺失分布不要盲目填充missing df.isnull().sum() print(missing[missing 0])常见的缺失值处理方法如下方法适用场景注意点直接删除缺失比例低且缺失是随机发生的删除后要检查样本量是否仍然足够均值/中位数填充数值型缺失比例不高会降低方差适合作为简单基线前值/插值填充时间序列数据对缺失连续多个点时要谨慎模型预测填充缺失值与其他特征相关性较强不要用标签列填充特征单独标记缺失分类变量缺失本身可能也是一种信息千万不要一个fillna填所有列。比如把“收入”和“地区编号”都用均值填充模型结果会很不真实。还要注意时间序列数据不能使用未来值填充历史缺失否则会造成数据泄漏。3.3 异常值处理异常值常用 3σ 法和 IQR 法。IQR 示例Q1 df[sales].quantile(0.25) Q3 df[sales].quantile(0.75) IQR Q3 - Q1 low Q1 - 1.5 * IQR high Q3 1.5 * IQR outliers df[(df[sales] low) | (df[sales] high)] print(outliers)要特别注意异常值不一定是错误。它可能是促销峰值、季节效应、特殊事件造成的真实极端值。如果直接删除模型会低估极端情况。推荐先把异常样本列出来逐条判断属于“录入错误”还是“真实极端值”再决定处理方式。3.4 数据变换标准化、归一化和编码标准化和归一化看起来像一回事但适用场景不同方法公式适用模型标准化 StandardScaler(x - mean) / stdSVM、KNN、PCA、神经网络归一化 MinMaxScaler(x - min) / (max - min)需要固定范围、无单位时对数变换 log1p压缩右偏分布销量、金额等正偏数据树模型对特征尺度不敏感标准化不影响随机森林和 XGBoost 的结果但距离类模型和线性模型对尺度很敏感。标准化要先用训练集 fit再对测试集 transform不能拿着全量数据同一次 fit否则会造成数据泄漏。分类字段可以用 One-Hot 编码df pd.get_dummies(df, columns[category], drop_firstTrue)类别过多时可以先合并低频类别避免编码后特征维度爆炸。3.5 可视化辅助建模决策数据处理阶段就要画图。热力图可以发现共线性import matplotlib.pyplot as plt import seaborn as sns corr df.corr(numeric_onlyTrue) plt.figure(figsize(10, 8)) sns.heatmap(corr, annotTrue, cmapRdBu, annot_kws{size: 8}) plt.title(Correlation Matrix) plt.show()如果两个特征相关系数高于 0.9建模时同时放进去会导致多重共线性。时间序列数据要画折线图观察趋势、周期和异常突变。这些可视化结果可以直接放到论文的“数据分析”部分既能证明建模过程严谨又增加了论文篇幅的可读性。常见坑日期列读取后仍是字符串需要用pd.to_datetime转换。多个表拼接时没有统一主键导致行数翻倍。Excel 多个 sheet 没有逐个读取数据只读入一部分。数据清洗每完成一步就保存中间结果避免程序崩溃后全部重来。4. 三大模型体系优化、预测、评价零基础队伍不需要把算法全部学透但需要掌握三大类模型的使用场景和最小代码模板。国赛的绝大多数问题可以被归为三类求最优方案、预测未来、评价方案好坏。4.1 优化模型给一个目标找最优方案优化模型适合资源分配、生产排程、路径规划等。核心三要素是决策变量、目标函数、约束条件。先把问题写成数学形式再编程求解。例如一个简化生产问题生产 A、B 两种产品占用设备工时和原料目标是在设备工时、原料库存限制下最大化利润。这种问题适合线性规划。用 PuLP 求解import pulp # 创建最大化问题 prob pulp.LpProblem(MaxProfit, pulp.LpMaximize) # 决策变量 x pulp.LpVariable(x_A, lowBound0, catContinuous) y pulp.LpVariable(x_B, lowBound0, catContinuous) # 目标函数 prob 40 * x 30 * y, Profit # 约束 prob 2 * x 3 * y 120, MachineHours prob 4 * x 2 * y 160, RawMaterial prob x 10, ContractA # 求解 status prob.solve() print(pulp.LpStatus[status]) print(A:, pulp.value(x), B:, pulp.value(y)) print(Profit:, pulp.value(prob.objective))代码里使用的是简化示例数据和约束实际题目要按题目条件修改。注意当变量要求整数时把cat改成Integer当目标函数或约束不是线性时需要用scipy.optimize.minimize或遗传算法等。在论文里写优化模型时不要只贴代码要写清楚为什么设置这些变量和约束。例如“设备工时约束反映了企业产能上限原料库存约束反映了供应链限制”。4.2 预测模型用历史数据推断未来预测模型适合销量预测、人口增长、温度变化等。入门阶段先掌握线性回归再学时间序列和树模型。下面用一个简单示例展示划分数据、训练多个模型并评估from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score X df[[feature1, feature2, feature3]] y df[target] X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 ) models { linear: LinearRegression(), rf: RandomForestRegressor(n_estimators100, random_state42), } for name, model in models.items(): model.fit(X_train, y_train) pred model.predict(X_test) print(name) print(MAE:, mean_absolute_error(y_test, pred)) print(RMSE:, mean_squared_error(y_test, pred, squaredFalse)) print(R2:, r2_score(y_test, pred))注意如果 scikit-learn 版本较新mean_squared_error里可能不再支持squaredFalse可以改用root_mean_squared_error或者直接打印np.sqrt(mean_squared_error(...))。预测模型最重要的不是模型多高级而是验证。预测未来时不能用未来信息去训练。比如预测 7 月销量训练集只能包含 6 月及以前的数据。时间序列数据必须按时间顺序划分不能用随机划分。不同模型适用场景| 模型 | 适用场景 | 优点 | 风险 | | --- | ---
