龙格库塔方法的局限性：只能求解一阶微分方程组，如果是高阶的得先转换为一阶的。

https://www.bilibili.com/video/BV1Ps411V7px决策树决策树可以做分类、回归数据从上往下在树中游走，叶子节点就是最终的预测值or回归值决策属性=非叶子节点Q:指标

介绍使用对象：一般来说，当研究的问题涉及到多变量且变量之间存在很强的相关性时，我们可考虑使用主成分分析的方法来对数据进行简化可以用来解决多元回归中的多重共线性的影响可以用在聚类上，用来降低指标个数到3

思想： 将所有的点用一个超平面分隔开<=>将每个点投影到ω这个法向量上，保证：类内小，类间大，实现了p维数据降为1维。 做法： 定义类间距离，类内距离，定义目标函数，求出目标函数的最大值对应的ω，现在给一个新的数据，只要计算就可以判断是在超平面的哪一侧，即分类成功。

使用文件:图片.pptx，已存至电脑统计图：excel数据导入即可表格：用插入形状和文本来制作

假设检验法一：Example:法二：P值法：不用求出【接受域】不用求出【临界值】，直接和【显著性水平α比较】P值：取值大于该已知样本数据的概率Example：example:对皮尔逊相关系数进行假设检

【注】U论域、A模糊集合，U到[0,1]的映射是隶属函数，映射结果是隶属度。 ♥指派法：数学建模一般都用指派法；根据问题的性质套用分布；优点：方便；缺点：主观性比较强，因为是自己选分布。梯形分布用的最多；分布的参数自己选(说根据生活经验或别人的研究成果、常识)

Linear estimation有讲到过！当X'X不可逆的时候的操作，加上一个项使得可逆。 对假定三放松了,n&#x3C;k也可以了，样本数小于指标数。 与多元线性回归不同，岭回归和lasso回归的x必须先标准化，消除惩罚项里的量纲影响。 标准误不用管。 剔除出去的变量就是存…