简介2025年五一数学建模竞赛第二十二届C题完整方案包含参赛论文、配套代码与结果数据面向参加数学建模竞赛的本专科生、研究生及指导教师。该题围绕社交媒体平台用户与博主互动行为展开要求基于历史交互数据完成博主新增关注数预测、用户新关注行为预测以及指定用户在线状态与互动关系预测三项任务方案中采用LSTM预测模型构建完整求解流程并给出可复现的结果数据。资源共1个docx文档压缩包大小1.33MB文档内含问题分析、模型建立、代码实现与结果结论结构完整可直接作为备赛参考或赛题复盘模板。当前已有1002人学习下载适合需要快速理解C题建模思路、借鉴LSTM时序预测在用户行为预测中应用方法的参赛者。1. 谁在靠“论文代码结果”这个docx拿奖三件套的交付逻辑别看“论文代码结果”这个文件名组合平平无奇它其实是数学建模竞赛评阅时真正会被翻开的三样东西论文负责证明你会建模代码负责证明模型不是PPT结果负责证明代码真的跑出了数字。2025年五一数学建模竞赛C题如此国赛、华为杯研究生数学建模竞赛也沿用同一套交付逻辑。这个docx标题代表的就是一份拿去能改、改完能交的完整成果包。很多人前期讨论模型热火朝天最后一天才发现代码和论文对不上、结果表没有导出路径直接把评阅分拉低半档。下面按审题、复现、成文、排查、验证的顺序拆开讲新手照着搭熟手重点看坑位和参数。2. 读懂C题出题套路三件套里最容易被低估的是审题2.1 C题考什么几个特征帮你快速锁定题型C题和A、B题最大的区别是它有一条非常明确的“数据主线”。A题偏物理机理B题偏优化调度C题几乎总是给一张或多张真实业务数据表再围绕数据问两到三个小问题。看到题干里出现销量、流量、库存、降水量、订单这些业务字段基本可以认定是数据驱动题建模重心不在推导公式而在特征构造、模型选择与结果解读。第一问通常是“描述规律”。这一问看起来送分实际是在为后面的建模定特征方向。比如题干问“分析销售的变化趋势”你就要在论文里交代清楚时间粒度、周期性、异常点这三个结论会直接变成第二问的特征。第二问是“预测”或“优化”预测题的评阅点集中在误差指标和可视化优化题的评阅点集中在约束条件有没有写全。第三问一般是“评价、解释或策略”对应结果深化也是灵敏度分析最容易出彩的地方。判断题型可以按下面这张表快速对号入座题干关键词判断题型常用模型论文侧重趋势、预测、未来k天时间序列预测线性回归基线 LSTM/Prophet误差分析与特征贡献相关、影响、多因子回归分析多元回归/决策树/XGBoost显著性检验与特征筛选选择、安排、最优优化决策整数规划/贪心算法约束条件与方案对比评价、排名、优劣综合评价熵权法/TOPSIS权重来源与稳健性这张表不是让你照搬模型而是让你在开工前先明确“论文要往哪个方向写”。常见误区是拿到题直接上神经网络——数据量几百行、特征五六个的C题神经网络很难讲出可复现的解释评阅老师更愿意看到你先有一个能跑通的简单基线再有一个比基线提升明显的改进模型。这个“先基线后改进”的结构正是代码包主程序和对比实验的排布依据。2.2 从题干到技术路线图三天工期怎么排审题的结果要落成一张技术路线图而不是记在脑子里。路线图里有四个要素输入数据、特征处理、模型与评估、结果输出格式。其中结果输出格式最容易被忽略——论文第三问需要哪几张表、哪几张图代码就必须在对应阶段把结果写到result目录下而不是最后回查。三天工期我一般这么排时间上午下午产出物第1天审题、拆问题、定模型基线数据清洗、特征工程第一版路线图1页 清洗后的数据表第2天跑通基线模型、结果可视化改进模型、调参、灵敏度分析结果表 图片第3天论文正文、模型评价、附录整理docx格式检查、数据版本核对完整交付包这个排期的核心逻辑是代码在第二天结束前必须“冻结”第三天只修bug不改算法。一旦第三天还在调参论文就没时间收敛最终两头将就。几乎所有翻车案例都发生在第二天晚上临时加模型、第三天上午赶论文的节奏里。技术路线图一张纸上画什么数据从哪来、每列怎么变、模型输入是什么、输出落到哪个文件、论文哪一节引用哪个结果。这张图不用专业软件表格就行但必须落成文档不要手写。手写的路线图第二天大概率就丢了。这里给一个新手能直接抄的拆解示范。以“预测未来14天销量”为例题面一句话要拆成四个技术问题数据的时间粒度是按天还是按周有没有节假日特征可用预测的输入窗口取多长评阅要看的误差指标是RMSE还是MAPE四个问题分别对应特征表、外部数据、滑动窗口长度、评估函数四个代码模块。拆到这一步代码目录结构自然就出来了。3. 复现代码的完整路径从环境准备到跑通结果3.1 解包之后先做三件事看结构、读入口、核数据拿到一个C题的论文代码结果包第一反应不该是双击运行而是先花十分钟看结构。结构能告诉你作者把核心逻辑放在哪里。先跑一条命令tree -L 2这条命令把两层目录结构打出来你会看到data、src、result、paper这类目录的分布。如果只有一堆散落的.py和.xlsx也没关系继续看文件名ls -lh *.py *.xlsx *.csv 2/dev/null时间戳和文件大小是最直观的线索。文件名里带main、run、train的通常是入口带clean、preprocess的是数据清洗带result、output的是结果生成。先找到入口文件再往下读比从头翻每个py文件快得多。下一步是读说明文档。如果包里没有README就按入口文件从上往下读30行够了。选入口的原则是“能被命令行直接调用的脚本”比如带if __name__ __main__的文件而不是工具类模块。数据核对放在第三步。用pandas打开原始数据文件先看行数和列数再看有没有空值最后抽样看几行样例行。这一步花不了两分钟能提前拦截“数据列名对不上”这种最常见的问题。3.2 最小复现命令先跑通主流程先建虚拟环境再装依赖。常见的项目里会带一个requirements.txt内容大概是pandas1.5,2.2 numpy1.23 scikit-learn1.1 openpyxl3.0 matplotlib3.5装依赖pip install -r requirements.txt为什么要用虚拟环境因为C题代码经常依赖特定范围的numpy或pandas裸装在系统环境里一行版本冲突报错能折磨你半小时。一个干净环境把这种不确定性直接消掉。启动主程序前先试运行一次不带任何参数python main.py看三件事程序是否正常结束退出码是否为0终端有没有打印关键指标result目录下有没有生成结果文件。如果第一步就报错优先看是不是文件路径写死导致找不到数据python main.py 21 | tail -20tail -20只截尾部错误不用翻上百行堆栈。绝大多数C题代码不是缺包而是相对路径问题最多。跑的时候注意当前目录要在项目根目录下。3.3 示例代码讲解数据清洗与建模模板改哪里能直接跑下面这段是按C题最常见场景写的一套示例代码读Excel、把日期列转成特征、处理空缺值、构造两个时间序列特征。抄的时候把列名换成题目里的真实列名就行。import pandas as pd df pd.read_excel(data/train.xlsx, parse_dates[日期]) df[year] df[日期].dt.year df[month] df[日期].dt.month df[day_of_week] df[日期].dt.dayofweek before len(df) df df.dropna(subset[销量]) # 删掉销量为空的行 after len(df) print(f删除空销量记录 {before - after} 行) df[销量] df[销量].interpolate(methodlinear, limit_directionboth) df[lag_1] df[销量].shift(1) # 前一日销量 df[rolling_mean_7] df[销量].rolling(7).mean() # 近7日均值逻辑说明parse_dates告诉pandas把“日期”列解析成时间类型后面dt.year这些才能用dropna只在“销量”为空时删行其他列的空值不急着删interpolate用线性插值补中间空洞比fillna(0)更贴近真实趋势但首尾空值要加limit_directionboth才会补lag_1和rolling_mean_7是两个最基础的时序特征前者捕捉昨日效应后者捕捉一周趋势评阅时讲特征含义也最方便。参数说明rolling窗口设7是按周的常识值如果数据有明显月度周期改成30再对比一轮shift(1)产生的空值会出现在序列开头建模前统一fillna(0)即可不单独处理。预测部分用线性回归作基线代码量最短也最容易讲通from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split features [month, day_of_week, lag_1, rolling_mean_7] data df[features [销量]].dropna() X data[features].fillna(0).values y data[销量].values X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, shuffleFalse, random_state42 ) model LinearRegression() model.fit(X_train, y_train) print(fR2 {model.score(X_test, y_test):.4f})参数说明shuffleFalse对时间序列很重要随机打乱会把“用未来预测过去”的泄漏带进来时间序列必须保持原有顺序切分random_state42固定随机种子确保别人复现你的代码时得到完全一致的划分。如果R2低得离谱先看特征有没有泄漏再看空值处理是否一致。跑通基线的意义不是拿高分而是确认代码链路是通的后面换模型才有比较基准。3.4 结果输出给论文里的每个数字留好出处模型跑完只是中间环节离“结果”还差一步——把预测值和实际值落盘。这一步决定论文里表格和图的数字能不能对上result pd.DataFrame({ 日期: test_date, 实际值: y_test, 预测值: model.predict(X_test), }) result[误差] (result[预测值] - result[实际值]).abs() result.to_csv(result/predict.csv, indexFalse, encodingutf-8-sig)这里encodingutf-8-sig是给Excel用的不加的话Windows上的Excel打开是乱码result目录名固定下来后面论文和附录引用就不用来回改路径。误差列建议保留画残差图时直接读这一列就能出图。4. 把结果写进论文图、表和附录是评阅老师的落眼点4.1 论文骨架怎么架六段式把代码和结果串起来C题论文遵循一个很稳定的六段式骨架它的好处是评阅老师能快速找到他想看的东西问题重述、模型假设、问题分析、模型建立与求解、模型评价与改进、附录。问题重述要用自己的话压缩题干不要抄原题模型假设只写对建模真正有影响的假设3到5条足够别堆无关假设问题分析对应技术路线图把三个小问分别落到方法上。模型建立与求解按小问分开写第一问给描述性统计和规律图第二问给模型公式、代码思路和结果表第三问给对比和方案。模型评价里说清楚模型的适用范围和不足再补一句可能的改进方向这句不展开也行。附录放代码清单、结果表和运行说明。每一问的结果表在正文里都要有对应的一句话解释不能只扔表不解读。常见问题是结果表放在4.2节图表编号却跳到图7中间隔了三张没有在正文引用过的图。每次插入图表前先回正文确认有没有引用它。4.2 结果呈现规范三线表、数值精度与图表编号结果表用三线表是评阅细则里的通行习惯。在Word里做三线表很快插入表格后全选表格打开“边框和底纹”把默认边框全部去掉只保留上框线、表头下框线和下框线三条线宽用1磅或1.5磅。表头列名用中文与英文变量名对照比如“日期 Date”这样评阅老师能快速对应到附录代码里的列名。数值精度统一是很容易被忽略的细节。我见过一篇论文第一张表保留2位小数第二张表保留4位第三张表直接冒出科学计数法看起来非常不专业。通常保留3到4位小数或4位有效数字全文统一误差指标也和结果表保持同一位数。MAPE这种百分比指标写“12.37%”比写“0.1237”更贴合业务直觉。图表编号用“图1”“表3”顺序编号正文第一次出现处必须引用。提交前全选正文按F9更新域让编号和目录刷新到最终状态。这个动作很小能避免图表编号跳号。4.3 docx交付的格式坑附录代码怎么贴才不被扣分docx交付最常见的五个坑按影响程度排如下问题现象对策代码截图附录不可复制、不可检索字号模糊代码文本粘贴不用图片长代码断行Word折行后缩进错乱逻辑难读等宽字体 窄列空格缩进不用Tab公式兼容MathType公式在无插件的机器上变图片提交前改用Word原生公式或转PDF核对交叉引用失效手工编号增删图后序号全部错位用“引用→交叉引用”生成编号目录不更新目录页码和正文对不上全选后按F9更新域附录代码的贴法有讲究。用Consolas或Courier New等宽字体字号用小五或五号行距单倍。每段代码前加一行注释说明文件名和功能例如“main.py: 数据读取与清洗”评阅老师按图索骥时省很多事。代码缩进必须用空格Word在不同版本里对Tab的渲染不一致用空格能保证跨平台不错位。还有一个容易被忽略的点交付docx之前把主程序的打印输出数据量、R2、误差指标保存成一个result/run_log.txt放到附件里。这个文件是“结果”的可追溯证据评阅时能直接回应“你的数字怎么来的”这个问题。5. 结果排查与避坑五条踩坑记录帮你省下两天调试时间5.1 跑通不等于正确先做三个验证代码跑通只是起点数字对不对是另一回事。第一个验证是数据量核对代码读入多少行、清洗后剩多少行、训练测试各占多少行全程打印出来任何一个数字和预期不符都说明处理逻辑有偏差。第二个验证是边界值测试把输入数据的最后10行复制一份当作假未来数据跑一遍看输出是否仍然合理。这个动作能拦截“预测结果全部变成常量”这种隐性错误。第三个验证是复现比对如果题目给了示例输出把自己的结果对一遍没有参考值就检查代码里的特征选择、评估函数是否与论文描述一致确保论文里写的指标和代码算的指标是同一个函数。5.2 踩坑一Excel日期读出来变成数字时间序列整体错位现象明明导入的是“2024-03-01”代码里打印出来却是45350建模结果R2为负。原因read_excel没有识别日期列pandas把Excel的日期序列值当成普通数字读进来时间特征year、month全是错的。解决读文件时显式指定parse_dates[日期]如果数据已经是数字用pd.to_datetime(45350, origin1899-12-30, unitD)转回去。转换后立刻打印df.dtypes确认列类型是datetime64[ns]再往下走。5.3 踩坑二NaN不报错模型输出全是空现象代码正常结束没有异常但result.csv里预测值全为空score打印出来是nan。原因fillna没有覆盖所有列有些特征列在训练集里有值、测试集里全是NaN。sklearn的线性回归遇到NaN会直接输出空结果不抛异常。解决构造X和y之前做一次全局检查print(X.isna().sum().sum())只要大于0就回到特征构造环节统一处理。最稳妥的方式是data df[features [销量]].dropna()先丢弃缺失样本再进入训练测试切分。5.4 踩坑三论文引用v2数据代码还在跑v1现象论文里写的数据量、统计表和附录代码跑出来的结果对不上复核的人一算就露馅。原因换数据文件时没有同步改代码里的路径主程序读取的还是旧文件的硬编码路径。解决把数据文件路径统一收敛到脚本顶部两个变量DATA_PATH data/train_v2.xlsx、RESULT_DIR result。换数据只改这两个变量不动业务代码。论文里的表号与文件名带版本号对应比如表4对应result/predict_v2.csv。5.5 踩坑四没固定随机种子第二天复现结果变了现象昨天跑出来R20.86今天原封不动重跑变成0.83误差图和排序都微妙地变了。原因训练测试切分里没设random_state树模型内部也有随机性任何一步用了随机数整个结果就是漂的。解决在文件里统一固定随机源。切分时显式传random_state42numpy的随机用途也设np.random.seed(42)。注意随机种子只是个约定值关键是“全链路一致”不要只固定切分忘了模型内部的random_state。5.6 踩坑五docx里的附录代码用图片贴评阅老师想复制都没法复制现象附录里放了一堆截图代码高亮很漂亮但评阅时字号看不清想验证某段逻辑也无从下手。原因直接从IDE截图贴Word省事但反而不利于评阅。图片不可选中、不可复制、不可检索是评阅体验最差的做法。解决代码以文本粘贴等宽字体Consolas或Courier New字号小五或五号行距单倍。每段代码前加一行注释说明文件名和功能。如果文档整体页数膨胀把完整代码放附录正文只留关键片段。6. 让模型结果站得住先做灵敏度分析再决定要不要换模型C题论文里最容易被追问的问题是你的参数凭什么这么设与其写“经过多次试验”不如直接给一张参数变化表。做法是把核心参数上下浮动看目标指标跟着变多少。比如滚动窗口设成5、7、9三组其他条件不动重跑一次对比R2for win in [5, 7, 9]: df[frolling_mean_{win}] df[销量].rolling(win).mean() data df[[month, day_of_week, lag_1, frolling_mean_{win}, 销量]].dropna() X data[[month, day_of_week, lag_1, frolling_mean_{win}]].fillna(0).values y data[销量].values X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, shuffleFalse, random_state42 ) model LinearRegression().fit(X_train, y_train) print(fwin{win}, R2{model.score(X_test, y_test):.4f})这段逻辑说明三组实验共用同一个测试集划分差异只来自窗口长度。如果R2变化在可接受范围内说明模型对参数不敏感结论可信如果变化剧烈说明结论依赖这个参数论文里就该把边界写清楚。这个动作放附录评阅老师第一眼就能看出你的结论不是碰运气碰出来的。我提交前的习惯是必做两件事用一组随机种子把主流程重跑一遍确认数字稳定再做这个灵敏度小表放进附录。前者守住复现底线后者守住论证深度。一个模型哪怕精度不高只要参数行为说得清在评阅里也比一个黑匣子高分模型更有说服力。希望帮到你。本文还有配套的精品资源点击获取 数学建模C题三件套：论文代码结果交付实战指南
简介2025年五一数学建模竞赛第二十二届C题完整方案包含参赛论文、配套代码与结果数据面向参加数学建模竞赛的本专科生、研究生及指导教师。该题围绕社交媒体平台用户与博主互动行为展开要求基于历史交互数据完成博主新增关注数预测、用户新关注行为预测以及指定用户在线状态与互动关系预测三项任务方案中采用LSTM预测模型构建完整求解流程并给出可复现的结果数据。资源共1个docx文档压缩包大小1.33MB文档内含问题分析、模型建立、代码实现与结果结论结构完整可直接作为备赛参考或赛题复盘模板。当前已有1002人学习下载适合需要快速理解C题建模思路、借鉴LSTM时序预测在用户行为预测中应用方法的参赛者。1. 谁在靠“论文代码结果”这个docx拿奖三件套的交付逻辑别看“论文代码结果”这个文件名组合平平无奇它其实是数学建模竞赛评阅时真正会被翻开的三样东西论文负责证明你会建模代码负责证明模型不是PPT结果负责证明代码真的跑出了数字。2025年五一数学建模竞赛C题如此国赛、华为杯研究生数学建模竞赛也沿用同一套交付逻辑。这个docx标题代表的就是一份拿去能改、改完能交的完整成果包。很多人前期讨论模型热火朝天最后一天才发现代码和论文对不上、结果表没有导出路径直接把评阅分拉低半档。下面按审题、复现、成文、排查、验证的顺序拆开讲新手照着搭熟手重点看坑位和参数。2. 读懂C题出题套路三件套里最容易被低估的是审题2.1 C题考什么几个特征帮你快速锁定题型C题和A、B题最大的区别是它有一条非常明确的“数据主线”。A题偏物理机理B题偏优化调度C题几乎总是给一张或多张真实业务数据表再围绕数据问两到三个小问题。看到题干里出现销量、流量、库存、降水量、订单这些业务字段基本可以认定是数据驱动题建模重心不在推导公式而在特征构造、模型选择与结果解读。第一问通常是“描述规律”。这一问看起来送分实际是在为后面的建模定特征方向。比如题干问“分析销售的变化趋势”你就要在论文里交代清楚时间粒度、周期性、异常点这三个结论会直接变成第二问的特征。第二问是“预测”或“优化”预测题的评阅点集中在误差指标和可视化优化题的评阅点集中在约束条件有没有写全。第三问一般是“评价、解释或策略”对应结果深化也是灵敏度分析最容易出彩的地方。判断题型可以按下面这张表快速对号入座题干关键词判断题型常用模型论文侧重趋势、预测、未来k天时间序列预测线性回归基线 LSTM/Prophet误差分析与特征贡献相关、影响、多因子回归分析多元回归/决策树/XGBoost显著性检验与特征筛选选择、安排、最优优化决策整数规划/贪心算法约束条件与方案对比评价、排名、优劣综合评价熵权法/TOPSIS权重来源与稳健性这张表不是让你照搬模型而是让你在开工前先明确“论文要往哪个方向写”。常见误区是拿到题直接上神经网络——数据量几百行、特征五六个的C题神经网络很难讲出可复现的解释评阅老师更愿意看到你先有一个能跑通的简单基线再有一个比基线提升明显的改进模型。这个“先基线后改进”的结构正是代码包主程序和对比实验的排布依据。2.2 从题干到技术路线图三天工期怎么排审题的结果要落成一张技术路线图而不是记在脑子里。路线图里有四个要素输入数据、特征处理、模型与评估、结果输出格式。其中结果输出格式最容易被忽略——论文第三问需要哪几张表、哪几张图代码就必须在对应阶段把结果写到result目录下而不是最后回查。三天工期我一般这么排时间上午下午产出物第1天审题、拆问题、定模型基线数据清洗、特征工程第一版路线图1页 清洗后的数据表第2天跑通基线模型、结果可视化改进模型、调参、灵敏度分析结果表 图片第3天论文正文、模型评价、附录整理docx格式检查、数据版本核对完整交付包这个排期的核心逻辑是代码在第二天结束前必须“冻结”第三天只修bug不改算法。一旦第三天还在调参论文就没时间收敛最终两头将就。几乎所有翻车案例都发生在第二天晚上临时加模型、第三天上午赶论文的节奏里。技术路线图一张纸上画什么数据从哪来、每列怎么变、模型输入是什么、输出落到哪个文件、论文哪一节引用哪个结果。这张图不用专业软件表格就行但必须落成文档不要手写。手写的路线图第二天大概率就丢了。这里给一个新手能直接抄的拆解示范。以“预测未来14天销量”为例题面一句话要拆成四个技术问题数据的时间粒度是按天还是按周有没有节假日特征可用预测的输入窗口取多长评阅要看的误差指标是RMSE还是MAPE四个问题分别对应特征表、外部数据、滑动窗口长度、评估函数四个代码模块。拆到这一步代码目录结构自然就出来了。3. 复现代码的完整路径从环境准备到跑通结果3.1 解包之后先做三件事看结构、读入口、核数据拿到一个C题的论文代码结果包第一反应不该是双击运行而是先花十分钟看结构。结构能告诉你作者把核心逻辑放在哪里。先跑一条命令tree -L 2这条命令把两层目录结构打出来你会看到data、src、result、paper这类目录的分布。如果只有一堆散落的.py和.xlsx也没关系继续看文件名ls -lh *.py *.xlsx *.csv 2/dev/null时间戳和文件大小是最直观的线索。文件名里带main、run、train的通常是入口带clean、preprocess的是数据清洗带result、output的是结果生成。先找到入口文件再往下读比从头翻每个py文件快得多。下一步是读说明文档。如果包里没有README就按入口文件从上往下读30行够了。选入口的原则是“能被命令行直接调用的脚本”比如带if __name__ __main__的文件而不是工具类模块。数据核对放在第三步。用pandas打开原始数据文件先看行数和列数再看有没有空值最后抽样看几行样例行。这一步花不了两分钟能提前拦截“数据列名对不上”这种最常见的问题。3.2 最小复现命令先跑通主流程先建虚拟环境再装依赖。常见的项目里会带一个requirements.txt内容大概是pandas1.5,2.2 numpy1.23 scikit-learn1.1 openpyxl3.0 matplotlib3.5装依赖pip install -r requirements.txt为什么要用虚拟环境因为C题代码经常依赖特定范围的numpy或pandas裸装在系统环境里一行版本冲突报错能折磨你半小时。一个干净环境把这种不确定性直接消掉。启动主程序前先试运行一次不带任何参数python main.py看三件事程序是否正常结束退出码是否为0终端有没有打印关键指标result目录下有没有生成结果文件。如果第一步就报错优先看是不是文件路径写死导致找不到数据python main.py 21 | tail -20tail -20只截尾部错误不用翻上百行堆栈。绝大多数C题代码不是缺包而是相对路径问题最多。跑的时候注意当前目录要在项目根目录下。3.3 示例代码讲解数据清洗与建模模板改哪里能直接跑下面这段是按C题最常见场景写的一套示例代码读Excel、把日期列转成特征、处理空缺值、构造两个时间序列特征。抄的时候把列名换成题目里的真实列名就行。import pandas as pd df pd.read_excel(data/train.xlsx, parse_dates[日期]) df[year] df[日期].dt.year df[month] df[日期].dt.month df[day_of_week] df[日期].dt.dayofweek before len(df) df df.dropna(subset[销量]) # 删掉销量为空的行 after len(df) print(f删除空销量记录 {before - after} 行) df[销量] df[销量].interpolate(methodlinear, limit_directionboth) df[lag_1] df[销量].shift(1) # 前一日销量 df[rolling_mean_7] df[销量].rolling(7).mean() # 近7日均值逻辑说明parse_dates告诉pandas把“日期”列解析成时间类型后面dt.year这些才能用dropna只在“销量”为空时删行其他列的空值不急着删interpolate用线性插值补中间空洞比fillna(0)更贴近真实趋势但首尾空值要加limit_directionboth才会补lag_1和rolling_mean_7是两个最基础的时序特征前者捕捉昨日效应后者捕捉一周趋势评阅时讲特征含义也最方便。参数说明rolling窗口设7是按周的常识值如果数据有明显月度周期改成30再对比一轮shift(1)产生的空值会出现在序列开头建模前统一fillna(0)即可不单独处理。预测部分用线性回归作基线代码量最短也最容易讲通from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split features [month, day_of_week, lag_1, rolling_mean_7] data df[features [销量]].dropna() X data[features].fillna(0).values y data[销量].values X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, shuffleFalse, random_state42 ) model LinearRegression() model.fit(X_train, y_train) print(fR2 {model.score(X_test, y_test):.4f})参数说明shuffleFalse对时间序列很重要随机打乱会把“用未来预测过去”的泄漏带进来时间序列必须保持原有顺序切分random_state42固定随机种子确保别人复现你的代码时得到完全一致的划分。如果R2低得离谱先看特征有没有泄漏再看空值处理是否一致。跑通基线的意义不是拿高分而是确认代码链路是通的后面换模型才有比较基准。3.4 结果输出给论文里的每个数字留好出处模型跑完只是中间环节离“结果”还差一步——把预测值和实际值落盘。这一步决定论文里表格和图的数字能不能对上result pd.DataFrame({ 日期: test_date, 实际值: y_test, 预测值: model.predict(X_test), }) result[误差] (result[预测值] - result[实际值]).abs() result.to_csv(result/predict.csv, indexFalse, encodingutf-8-sig)这里encodingutf-8-sig是给Excel用的不加的话Windows上的Excel打开是乱码result目录名固定下来后面论文和附录引用就不用来回改路径。误差列建议保留画残差图时直接读这一列就能出图。4. 把结果写进论文图、表和附录是评阅老师的落眼点4.1 论文骨架怎么架六段式把代码和结果串起来C题论文遵循一个很稳定的六段式骨架它的好处是评阅老师能快速找到他想看的东西问题重述、模型假设、问题分析、模型建立与求解、模型评价与改进、附录。问题重述要用自己的话压缩题干不要抄原题模型假设只写对建模真正有影响的假设3到5条足够别堆无关假设问题分析对应技术路线图把三个小问分别落到方法上。模型建立与求解按小问分开写第一问给描述性统计和规律图第二问给模型公式、代码思路和结果表第三问给对比和方案。模型评价里说清楚模型的适用范围和不足再补一句可能的改进方向这句不展开也行。附录放代码清单、结果表和运行说明。每一问的结果表在正文里都要有对应的一句话解释不能只扔表不解读。常见问题是结果表放在4.2节图表编号却跳到图7中间隔了三张没有在正文引用过的图。每次插入图表前先回正文确认有没有引用它。4.2 结果呈现规范三线表、数值精度与图表编号结果表用三线表是评阅细则里的通行习惯。在Word里做三线表很快插入表格后全选表格打开“边框和底纹”把默认边框全部去掉只保留上框线、表头下框线和下框线三条线宽用1磅或1.5磅。表头列名用中文与英文变量名对照比如“日期 Date”这样评阅老师能快速对应到附录代码里的列名。数值精度统一是很容易被忽略的细节。我见过一篇论文第一张表保留2位小数第二张表保留4位第三张表直接冒出科学计数法看起来非常不专业。通常保留3到4位小数或4位有效数字全文统一误差指标也和结果表保持同一位数。MAPE这种百分比指标写“12.37%”比写“0.1237”更贴合业务直觉。图表编号用“图1”“表3”顺序编号正文第一次出现处必须引用。提交前全选正文按F9更新域让编号和目录刷新到最终状态。这个动作很小能避免图表编号跳号。4.3 docx交付的格式坑附录代码怎么贴才不被扣分docx交付最常见的五个坑按影响程度排如下问题现象对策代码截图附录不可复制、不可检索字号模糊代码文本粘贴不用图片长代码断行Word折行后缩进错乱逻辑难读等宽字体 窄列空格缩进不用Tab公式兼容MathType公式在无插件的机器上变图片提交前改用Word原生公式或转PDF核对交叉引用失效手工编号增删图后序号全部错位用“引用→交叉引用”生成编号目录不更新目录页码和正文对不上全选后按F9更新域附录代码的贴法有讲究。用Consolas或Courier New等宽字体字号用小五或五号行距单倍。每段代码前加一行注释说明文件名和功能例如“main.py: 数据读取与清洗”评阅老师按图索骥时省很多事。代码缩进必须用空格Word在不同版本里对Tab的渲染不一致用空格能保证跨平台不错位。还有一个容易被忽略的点交付docx之前把主程序的打印输出数据量、R2、误差指标保存成一个result/run_log.txt放到附件里。这个文件是“结果”的可追溯证据评阅时能直接回应“你的数字怎么来的”这个问题。5. 结果排查与避坑五条踩坑记录帮你省下两天调试时间5.1 跑通不等于正确先做三个验证代码跑通只是起点数字对不对是另一回事。第一个验证是数据量核对代码读入多少行、清洗后剩多少行、训练测试各占多少行全程打印出来任何一个数字和预期不符都说明处理逻辑有偏差。第二个验证是边界值测试把输入数据的最后10行复制一份当作假未来数据跑一遍看输出是否仍然合理。这个动作能拦截“预测结果全部变成常量”这种隐性错误。第三个验证是复现比对如果题目给了示例输出把自己的结果对一遍没有参考值就检查代码里的特征选择、评估函数是否与论文描述一致确保论文里写的指标和代码算的指标是同一个函数。5.2 踩坑一Excel日期读出来变成数字时间序列整体错位现象明明导入的是“2024-03-01”代码里打印出来却是45350建模结果R2为负。原因read_excel没有识别日期列pandas把Excel的日期序列值当成普通数字读进来时间特征year、month全是错的。解决读文件时显式指定parse_dates[日期]如果数据已经是数字用pd.to_datetime(45350, origin1899-12-30, unitD)转回去。转换后立刻打印df.dtypes确认列类型是datetime64[ns]再往下走。5.3 踩坑二NaN不报错模型输出全是空现象代码正常结束没有异常但result.csv里预测值全为空score打印出来是nan。原因fillna没有覆盖所有列有些特征列在训练集里有值、测试集里全是NaN。sklearn的线性回归遇到NaN会直接输出空结果不抛异常。解决构造X和y之前做一次全局检查print(X.isna().sum().sum())只要大于0就回到特征构造环节统一处理。最稳妥的方式是data df[features [销量]].dropna()先丢弃缺失样本再进入训练测试切分。5.4 踩坑三论文引用v2数据代码还在跑v1现象论文里写的数据量、统计表和附录代码跑出来的结果对不上复核的人一算就露馅。原因换数据文件时没有同步改代码里的路径主程序读取的还是旧文件的硬编码路径。解决把数据文件路径统一收敛到脚本顶部两个变量DATA_PATH data/train_v2.xlsx、RESULT_DIR result。换数据只改这两个变量不动业务代码。论文里的表号与文件名带版本号对应比如表4对应result/predict_v2.csv。5.5 踩坑四没固定随机种子第二天复现结果变了现象昨天跑出来R20.86今天原封不动重跑变成0.83误差图和排序都微妙地变了。原因训练测试切分里没设random_state树模型内部也有随机性任何一步用了随机数整个结果就是漂的。解决在文件里统一固定随机源。切分时显式传random_state42numpy的随机用途也设np.random.seed(42)。注意随机种子只是个约定值关键是“全链路一致”不要只固定切分忘了模型内部的random_state。5.6 踩坑五docx里的附录代码用图片贴评阅老师想复制都没法复制现象附录里放了一堆截图代码高亮很漂亮但评阅时字号看不清想验证某段逻辑也无从下手。原因直接从IDE截图贴Word省事但反而不利于评阅。图片不可选中、不可复制、不可检索是评阅体验最差的做法。解决代码以文本粘贴等宽字体Consolas或Courier New字号小五或五号行距单倍。每段代码前加一行注释说明文件名和功能。如果文档整体页数膨胀把完整代码放附录正文只留关键片段。6. 让模型结果站得住先做灵敏度分析再决定要不要换模型C题论文里最容易被追问的问题是你的参数凭什么这么设与其写“经过多次试验”不如直接给一张参数变化表。做法是把核心参数上下浮动看目标指标跟着变多少。比如滚动窗口设成5、7、9三组其他条件不动重跑一次对比R2for win in [5, 7, 9]: df[frolling_mean_{win}] df[销量].rolling(win).mean() data df[[month, day_of_week, lag_1, frolling_mean_{win}, 销量]].dropna() X data[[month, day_of_week, lag_1, frolling_mean_{win}]].fillna(0).values y data[销量].values X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, shuffleFalse, random_state42 ) model LinearRegression().fit(X_train, y_train) print(fwin{win}, R2{model.score(X_test, y_test):.4f})这段逻辑说明三组实验共用同一个测试集划分差异只来自窗口长度。如果R2变化在可接受范围内说明模型对参数不敏感结论可信如果变化剧烈说明结论依赖这个参数论文里就该把边界写清楚。这个动作放附录评阅老师第一眼就能看出你的结论不是碰运气碰出来的。我提交前的习惯是必做两件事用一组随机种子把主流程重跑一遍确认数字稳定再做这个灵敏度小表放进附录。前者守住复现底线后者守住论证深度。一个模型哪怕精度不高只要参数行为说得清在评阅里也比一个黑匣子高分模型更有说服力。希望帮到你。本文还有配套的精品资源点击获取