⑴ 数学建模中，数据量超大的问题，有什么好的方法进行优化lingo运行9小时都没解出来。
如果是线性规划的问题lingo都得解9小时那得有多少变量。。。曾用matlab解72个变量用了一夜算出来个Error。。。
对于变量超多的问题基本有两个解决方法：1.高性能计算(如果有条件的话)、2.降维
我感觉常用的还是第二种吧，因子分析，或主成分分析，这是主要的降维方法。如果是线性问题，可进行系数显着性检验，不显着的变量全给去除，有时候也算是个方法吧。
大数据量的问题建议用spss，可能会更方便些。
⑵ 数学建模准备必备的十个数据分析软件（数学建模从入门到精通）
掌握数学建模之路，数据处理工具的选择至关重要
在探索数学建模的征途上，前期准备与工具选择同样重要。数据处理是建模过程中的关键步骤，今天我们将深入探讨十个常用于数学建模的数据分析软件，让你的建模之路更加得心应手。
Excel：基础但强大的助手
别小看了Excel，作为办公三剑客之一，它内置丰富的函数，无论是数据预处理还是基本图表绘制，都能轻松应对。Excel是数据清洗和初步分析的得力工具，特别适合处理日常问题。
R语言：数据处理的高端选择
R语言则是一个面向统计和数据科学的开源工具，需要一定的数学基础和编程技巧。但其强大的统计计算和图形绘制功能，使其在大数据分析中占据了主导地位，是专业建模者的首选。
Eviews：计量经济学的得力帮手
Eviews专为经济建模设计，可以快速计算描述统计、进行多元检验，对于与经济相关的题目，它能提供高效解决方案。
Origin：图形分析的利器
Origin凭借专业的数学图形分析能力，支持复杂的二维和三维绘图，以及高级统计分析，生物科学和生化领域对此应用广泛。
SPSS：操作简便的实用软件
SPSS是全球领先的统计分析软件，易于上手，适用于多个行业，无论是数据挖掘还是初步分析，它都是建模者的好帮手。
难度递增：从入门到专业
这五款软件难度排序为：Excel < SPSS < Origin < Eviews < R语言。Excel适合初学者入门，而MATLAB和Python则适合进阶，尤其是MATLAB，因其仿真模拟和物理建模功能而备受青睐，Python作为大数据分析的未来趋势，不容忽视。
编程时代的领军者：MATLAB与Python
MATLAB的算法开发和数据分析功能强大，而Python的可视化编程能力使其在人工智能和大数据领域占据优势。两者都是建模者必备的武器，但需注意MATLAB对编程基础的要求较高，Python则相对亲民。
最后的冲刺：Stata、SAS与SigmaPlot
Stata适用于社会科学，SAS则提供全面的数据处理和高级统计分析，而SigmaPlot则专为科学绘图设计，提升数据可视化效果。这三者各有特色，适合特定领域的建模需求。
总结来说，选择一款适合自己的数据分析软件，无论是基础的Excel，还是专业级的MATLAB和Python，都能在数学建模的道路上助你一臂之力。记住，不怕起点低，关键在于不断学习和提升，掌握一款工具，就能开启你的建模新篇章。