数学公式编号不少于20个
美赛不建议用spsspro（国赛可以）
组合模型用流程图
创新模型用伪代码
作图分析：表层分析（看图说话）+深层分析（挖掘）
模型检验：美赛看重灵敏度分析（根据模型假设）
评价类
无数据定权；量化方案选择 --层次分析法
有数据定权 --熵权法
有数据和指标 分析各指标对结果影响；解决随时间变化问题 --灰色关联分析法
对评价结果排序 --TOPSIS
模糊环境（问卷调查）下评价 --模糊综合评价
指标多 --神经网络
多种投入 多种产出 --数据包络法（DEA）
多指标（医学） --秩和比综合评价法
预测类
单调时间序列预测 --Logistic；灰色预测；二次指数平滑；ARMA时间序列；季节指数；BP神经网络
周期时间序列预测 --ARMA时间序列；季节指数；BP神经网络
不规律时间序列预测 --高斯回归；二次指数平滑；ARMA时间序列；季节指数
多指标时间序列 --BP神经网络
未来只和现在有关，和过去无关 --马尔科夫
用函数表示 --回归分析
优化类
目标函数和约束条件均为线性 --线性规划
决策变量限制为整数或0,1 --整数规划或0-1规划
以时间为划分阶段的动态过程优化 --动态优化
目标函数或约束条件中包括非线性函数 --非线性规划
目标函数不唯一 同时存在多个目标函数 --多目标规划
目标函数为凸函数 基于梯度 --最速下降法；随机梯度下降；拟牛顿法
目标函数为非凸函数 --粒子群算法（决策变量为连续变量，如函数问题）；遗传算法（决策变量为离散变量，如选址问题）；模拟退火（决策变量类型无要求，但维度较低）
数据预处理
缺失值 --拉格朗日插值法；牛顿插值法
异常值 --正态3σ；箱型图
归一化处理 --标准差法；极值差法；功效系数法
数据存在分类变量 --独热编码；标签编码
将连续数据离散化 --等宽法；等频法；基于聚类
降维 --PCA主成分分析法；T-SNE降维；UMAP降维
相关性分析
离散和离散 --卡方检验
连续和连续 --协方差；Pearson相关系数；spearman相关系数
离散和连续 --箱型图
特殊 --kendall相关系数（适用于两个随机变量都为等级性质的变量）
分类
无监督（无训练数据） --K-Means；层次聚类算法；高斯混合聚类；SOM自组织神经网络
监督聚类（有训练数据） --KNN聚类；BP神经网络分类；决策树分类；朴素贝叶斯分类
图与网络
两个指定顶点之间的最短路径 --Dijkstra
每对顶点之间的最短距离 --Floyd
TSP旅行商问题 --图+规划模型
微分方程
复杂 --人口模型；战争模型；传染病模型