⑴ 數學建模中，數據量超大的問題，有什麼好的方法進行優化lingo運行9小時都沒解出來。
如果是線性規劃的問題lingo都得解9小時那得有多少變數。。。曾用matlab解72個變數用了一夜算出來個Error。。。
對於變數超多的問題基本有兩個解決方法：1.高性能計算(如果有條件的話)、2.降維
我感覺常用的還是第二種吧，因子分析，或主成分分析，這是主要的降維方法。如果是線性問題，可進行系數顯著性檢驗，不顯著的變數全給去除，有時候也算是個方法吧。
大數據量的問題建議用spss，可能會更方便些。
⑵ 數學建模准備必備的十個數據分析軟體（數學建模從入門到精通）
掌握數學建模之路，數據處理工具的選擇至關重要
在探索數學建模的征途上，前期准備與工具選擇同樣重要。數據處理是建模過程中的關鍵步驟，今天我們將深入探討十個常用於數學建模的數據分析軟體，讓你的建模之路更加得心應手。
Excel：基礎但強大的助手
別小看了Excel，作為辦公三劍客之一，它內置豐富的函數，無論是數據預處理還是基本圖表繪制，都能輕松應對。Excel是數據清洗和初步分析的得力工具，特別適合處理日常問題。
R語言：數據處理的高端選擇
R語言則是一個面向統計和數據科學的開源工具，需要一定的數學基礎和編程技巧。但其強大的統計計算和圖形繪制功能，使其在大數據分析中占據了主導地位，是專業建模者的首選。
Eviews：計量經濟學的得力幫手
Eviews專為經濟建模設計，可以快速計算描述統計、進行多元檢驗，對於與經濟相關的題目，它能提供高效解決方案。
Origin：圖形分析的利器
Origin憑借專業的數學圖形分析能力，支持復雜的二維和三維繪圖，以及高級統計分析，生物科學和生化領域對此應用廣泛。
SPSS：操作簡便的實用軟體
SPSS是全球領先的統計分析軟體，易於上手，適用於多個行業，無論是數據挖掘還是初步分析，它都是建模者的好幫手。
難度遞增：從入門到專業
這五款軟體難度排序為：Excel < SPSS < Origin < Eviews < R語言。Excel適合初學者入門，而MATLAB和Python則適合進階，尤其是MATLAB，因其模擬模擬和物理建模功能而備受青睞，Python作為大數據分析的未來趨勢，不容忽視。
編程時代的領軍者：MATLAB與Python
MATLAB的演算法開發和數據分析功能強大，而Python的可視化編程能力使其在人工智慧和大數據領域占據優勢。兩者都是建模者必備的武器，但需注意MATLAB對編程基礎的要求較高，Python則相對親民。
最後的沖刺：Stata、SAS與SigmaPlot
Stata適用於社會科學，SAS則提供全面的數據處理和高級統計分析，而SigmaPlot則專為科學繪圖設計，提升數據可視化效果。這三者各有特色，適合特定領域的建模需求。
總結來說，選擇一款適合自己的數據分析軟體，無論是基礎的Excel，還是專業級的MATLAB和Python，都能在數學建模的道路上助你一臂之力。記住，不怕起點低，關鍵在於不斷學習和提升，掌握一款工具，就能開啟你的建模新篇章。