Simone2021 「华为杯」研究生数学建模竞赛 ABCDEF 题如何分析？
的有关信息介绍如下：
华为杯D题分析
2021.10.16 13：58已更新
第一问：
高级版 面包多作品
初级版 面包多作品
第二问
高级版 面包多作品
初级版 面包多作品
第三问
高级版 面包多作品
初级版 面包多作品
第四问
高级版 面包多作品
团队成员为CUHK生信PHD，所以我们就做了D题
本题是一道典型的数据分析题，与去年华为杯 B 题很类似，可以
参考一下，下面针对每一题，给出具体的做法。
问题 1. 根据文件“Molecular_Descriptor.xlsx”和“ERα_activity.xlsx”
提供的数据，针对 1974 个化合物的 729 个分子描述符进行变量选择，
根据变量对生物活性影响的重要性进行排序，并给出前 20 个对生物
活性最具有显著影响的分子描述符（即变量），并请详细说明分子描
述符筛选过程及其合理性。
这题的做法有很多。我们来一个一个地分析：
首先注意到自变量有 729 个，而给出的训练集数目也是 729 个，
很容易让人想到，729 个未知数，729 个方程，理论是可解的，但是
注意到有很多自变量的数值为 0，故权值矩阵肯定是不可逆的，所以
是求解不出来的，除非用到奇异值分解等等其他方法，但是就不符合
题意了。
其次很容易让人想到最常用的主成分分析与因子分析，这是最常
用的降维手段，但是我这里用主成分分析提前做了一下，结果是不显
著的，因为主成分分析主要是通过筛选线性组合得出来的，你要选出
20 个变量，最优的结果应该是每一个主成分中都有一个特别显著的
分量，但是本题求出来的主成分中很难筛选出 20 个特别显著的分量，
且主成分分析的意义在于降维，这里的降维是把很多个变量聚合成一
些大变量，而不是从很多个变量中选出一些变量，这就注定了主成分
分析不适合本题的解答，因子分析同理。
一些比较小众的做法：灰色关联度分析、线性判别分析等等，这
些其实都不太适合本题。
综上，本题的最优思路应该为：
1.删除全 0 的变量
2.进行相关性分析并描述。
3.进行随机森林降维。
有关随机森林的相关知识如下：
下面是用Python与Maltab分别跑出来的结果图：
后续思路与模型请看：
思路高级版：https://mianbaoduo.com/o/bread/YZ6Wlphp
思路初级版：
面包多作品
问题一模型代码：
面包多作品
问题二模型代码：
面包多作品
问题三模型代码：
面包多作品
