每年一度的华为杯研究生数学竞赛可谓“凤凰涅槃”，四天三夜的大战，得奖可获得上海落户积分，每年参与人数众多~，处理建模问题时，笔者的一般流程：明确目标——数据采集——数据清洗——选择特征——训练模型——评估模型（验证模型），使用工具是MATLAB和EXCEL，针对不同的模型的流程有不同的调整 PS：有时序影响的特征甚至要进行OTV(out time verification）后续发例子。

　　问题描述：

 PS：原题有5问，此处指针对前三问解答，如需原题请私信或官网下载。

技术路线图是图形化展示我们解决问题思路的有效方法，在竞赛、研究和实际项目中都有一定意义，针对该问题的技术路线如下：

明确目标：建立预测模型，输入若干X（367个中筛选），输出Y（RON损失预测值），问题定位回归预测问题；

数据采集：大赛举办方已给出，样本数量325条，特征数量367个（原始样本）；

数据清洗：对样本的饱和度进行分析，少部分缺失值进行补充，异常值进行剔除，为后续建模做准备工作；

选择特征：举办方提示的很明确，筛选不超过30个变量，采用Relief-F算法等快速选择有效变量，通过查看变量的相关系数矩阵、IV值评估变量的有效性。

训练模型：回归预测的模型比较多，随机森林回归和BP神经网络是比较常用的方法，但神经网络算法的调参过程又十分复杂且重要，在此提出了基于遗传算法的BP神经网络，对神经网络的权重和阈值进行优化。

评估模型：训练完成模型之后验证模型是必不可少的步骤，回归问题和分类问题有不同的评估指标（后续专门分析），此处回归模型选择 预测值和真实值之间的R方、运行时间作为评估指标，最终得出基于遗传算法的BP算法效果较好