每年一度的華為杯研究生數學競賽可謂“鳳凰涅槃”，四天三夜的大戰，得獎可獲得上海落戶積分，每年參與人數眾多~，處理建模問題時，筆者的一般流程：明確目標——數據采集——數據清洗——選擇特征——訓練模型——評估模型（驗證模型），使用工具是MATLAB和EXCEL，針對不同的模型的流程有不同的調整 PS：有時序影響的特征甚至要進行OTV(out time verification）后續發例子。
問題描述：
PS：原題有5問，此處指針對前三問解答，如需原題請私信或官網下載。
技術路線圖是圖形化展示我們解決問題思路的有效方法，在競賽、研究和實際項目中都有一定意義，針對該問題的技術路線如下：
明確目標：建立預測模型，輸入若干X（367個中篩選），輸出Y（RON損失預測值），問題定位回歸預測問題；
數據采集：大賽舉辦方已給出，樣本數量325條，特征數量367個（原始樣本）；
數據清洗：對樣本的飽和度進行分析，少部分缺失值進行補充，異常值進行剔除，為后續建模做准備工作；
選擇特征：舉辦方提示的很明確，篩選不超過30個變量，采用Relief-F算法等快速選擇有效變量，通過查看變量的相關系數矩陣、IV值評估變量的有效性。
訓練模型：回歸預測的模型比較多，隨機森林回歸和BP神經網絡是比較常用的方法，但神經網絡算法的調參過程又十分復雜且重要，在此提出了基於遺傳算法的BP神經網絡，對神經網絡的權重和閾值進行優化。
評估模型：訓練完成模型之后驗證模型是必不可少的步驟，回歸問題和分類問題有不同的評估指標（后續專門分析），此處回歸模型選擇 預測值和真實值之間的R方、運行時間作為評估指標，最終得出基於遺傳算法的BP算法效果較好
