1樓：
數模的重點是建立模型，在模型建立後可以用機器學習去求解。你在比賽時的摘要中最好不要過多強調機器學習，而是強調你建立的模型。比如2023年美賽C題就可以用機器學習。
2樓：彭一洋
沒有測試集做評測的話，就不容易說明模型的有效性。沒有訓練集的話也不容易發揮機器學習方法的能力。機器學習方法一定是建立在資料基礎上的。
沒資料或者資料太少就不要用。不過，有的機器學習方法即使只有幾十個樣本也是能用的。機器學習從來不用嘴解釋自己work不work, 而是靠測試結果。
在比賽中就是測試集成績。如果你的測試成績能比別人好一大截，那為什麼不能用機器學習呢？
多數回答怎麼都搞得好像只有神經網路才是機器學習的樣子，那麼多白的不能再白的像決策樹，隨機森林，svm/svr, 邏輯回歸，lda，貝葉斯回歸，hmm, lasso，ridge, pls還是可以用的吧，而且上述非樹的方法的求解過程就是解優化問題，一點也不黑，樹的方法依賴於資訊理論，也不黑。不要老拿機器學習當黑箱，人家白著呢！還有，淺層的神經網路也是可以寫出公式化的模型的，所謂的黑箱只有深度學習才算的上吧。
3樓：其中乙個
用不對地方就不適合。在主要模型中盡量不要使用，畢竟我們了解的只是神經網路，但它具體怎麼處理問題是乙個「黑箱」，不能稱之為模型。但是在模型的檢驗，驗證結果部分，神經網路不失為一種不錯的選擇，能為文章增色。
4樓：數學建模老司機
極其不適合！
極其不適合！
極其不適合！
首先來說，機器學習並不是近幾年才興起的，十多年以前的數學建模競賽中就有人使用神經網路了，儘管當時這種高大上的方法能唬住一些評委，但現在評委們已經基本不吃這一套了。
國賽題目近幾年基本以機理分析類和運籌優化類問題為主，資料類出的比較少，主要還是自己建模型，不要迷信套方法。注意，你要做的是「數學建模」，而不是「數學套模」。
美賽的話，由於目前有6個題目，其中C,D兩題，分別涉及大資料和複雜網路，有可能使用到機器學習方法，而對於其他題目，盡量使用自己建立的模型。
5樓：cstghitpku
13年美賽A題沒用任何機器學習和資料探勘理論獲得m（當時確實不會機器學習）。個人覺得美賽主要是思想，其次是看團隊配合，再次是英語水平（思想再好，英語不行也表達不清）。不要那麼關乎用什麼方法，只要能做到效果不錯就行，有時候高大上的方法反而不如簡單方法。
個人崇尚簡單粗暴美，不喜勿噴！
如何評價2023年五一數學建模競賽？
有同學問了C題，我把答案公開一下。第一問，線性求解。推薦使用lingo軟體，第乙個問問題，不像數學建模題，更像是數學題。表的資料是足夠的，就相當於是解乙個大的方程。如果手算效率高的話，手算其實都能算出來。第二三問都是問最優化，最大，最好這種。那麼它就屬於優化問題。優化問題的數學解法可以採用牛頓法，梯...
參加數學建模競賽需要具備哪些知識？
大模頭 周呂文 我覺得比賽中最重要的有幾點 札實的數學基礎，包括高數，線代種概率。所以我一般不建議大一的同學參加比賽，儘管靠運氣有時也能獲獎。大一的學生就該好好學習基礎課。精通一門程式語言，首選 python 和matlab。精通 的意思包括兩個層面 1掌握最基本和最常見的模型和演算法的程式實現。2...
女生適合學數學建模嗎？
多肉 國賽結果前兩天剛出，我們隊是省二，雖然我們隊只有我乙個女生，可是我們學校參賽拿國獎拿省一的隊伍裡女孩子真不少。如果你是女孩子，請你相信自己，可以的。如果你是男孩子，那我要問乙個問題 男孩子是不是更適合搬磚？手動狗頭 西昂 適合，我以前以為女生適合寫作之類的細緻的工作，我和我們專業的一位學姐一起...