图由节点和边组成，边可有方向与权重。最短路找两点间最低代价，最小生成树以最低总成本连通所有节点，最大流研究网络容量。
关键是边权含义：距离、时间、费用或风险不能随意混用。
最短路要求路径边权相加；Dijkstra 适用于非负边权。最小生成树连接所有节点且无环，含 n 个节点时有 n−1 条边。
先画小网络并手算，再上算法。检查有向/无向、可达性、重复边和单位。
别踩坑负权仍用 Dijkstra把最短路当最小生成树
第 12 讲 · 不背模型菜单，学会结构识别
第 12 讲 · 常用模型补充与快速选型
补齐图论、排队、蒙特卡洛、主成分等常用工具，并用“目标—数据—约束—输出—验证”快速选型。
学完能做什么
可检查的学习目标
01
能识别网络、排队、随机模拟与降维问题
能识别网络、排队、随机模拟与降维问题
02
能用五问框架筛选候选模型
能用五问框架筛选候选模型
03
能把多个模型串成有输入输出接口的完整方案
能把多个模型串成有输入输出接口的完整方案
知识点01
节点、边、权重表达连接
图与网络模型
先猜一猜
道路、社交关系和工序先后为什么都可以画成图？
动手试一试
LIVE网络任务识别
切换三种输出。
优先考虑最短路径。
跟我算一遍校园光纤
连接 5 栋楼，使铺设总长度最短。
楼栋为节点，可建设连接为边。
边权为铺设距离。
要求全部连通且总边长最小，属于最小生成树。
不是找某两楼最短路线，而是以最低总成本连通全部楼。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
连接所有站点且总建设长度最小，属于？
目标是全体连通。
参考答案
最小生成树。
02判断未作答
Dijkstra 可直接处理任意负边权网络。
贪心前提。
参考答案
错误。经典 Dijkstra 要求非负边权；负权应考虑 Bellman–Ford 等方法并检查负环。
03计算未作答
一棵连接 8 个节点的生成树有多少条边？
树的边数为 n−1。
参考答案
8−1=7 条。
04简答未作答
最短路与最小生成树的输出有何不同？
局部通路 vs 全体连通。
参考答案
最短路连接指定起终点并最小化该路径代价；最小生成树连接所有节点并最小化全网边权总和。
知识点02
到达、服务与拥堵
排队模型
先猜一猜
平均每分钟来 5 人、服务 5 人，队伍为什么仍可能越来越长？
排队系统至少描述到达率 λ、服务率 μ、服务台数 c、队列规则和容量。随机波动使平均相等仍可能造成长等待。
单服务台 M/M/1 的稳定条件是 ρ=λ/μ<1；接近 1 时等待会急剧上升。
M/M/1：ρ=λ/μ；系统平均人数 L=ρ/(1−ρ)；平均逗留 W=1/(μ−λ)；Little 定律 L=λW。
先用数据检验到达/服务分布和时段稳定性；高峰、预约、优先级常需分时段或仿真。
别踩坑只比较平均到达与服务ρ≥1 仍套稳态公式
动手试一试
LIVE利用率风险
观察系统接近满载时的变化。
有缓冲，随机高峰较易消化。
跟我算一遍单窗口
λ=4 人/分，μ=5 人/分。
利用率 ρ=4/5=0.8。
平均逗留 W=1/(5−4)=1 分钟。
系统平均人数 L=λW=4 人。
若 λ 增到 4.8，W=5 分钟，利用率只增 0.16，等待却大幅上升。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01计算未作答
λ=3、μ=5，利用率 ρ 是多少？
到达率除以服务率。
参考答案
ρ=3/5=0.6。
02判断未作答
M/M/1 中 λ=μ 时存在稳定有限平均等待。
ρ 必须小于 1。
参考答案
错误。稳定要求 λ<μ；λ=μ 时没有消化随机积压的余量。
03计算未作答
λ=4、μ=6，平均逗留 W 是多少？
使用 W=1/(μ−λ)。
参考答案
W=1/(6−4)=0.5 分钟。
04简答未作答
为什么利用率不宜长期接近 100%？
平均平衡仍不够。
参考答案
随机到达和服务波动缺乏缓冲，会使队列和等待时间非线性急升。
知识点03
重复随机试验看结果分布
蒙特卡洛模拟不确定性
先猜一猜
只用平均需求做库存计划，会漏掉什么风险？
蒙特卡洛从输入概率分布反复抽样，每次计算模型输出，最终得到成本、缺货、收益等结果分布。
模拟不会自动修复错误分布；输入相关性、尾部风险和样本数都需检查。
步骤：定义随机输入及相关性→抽样→运行确定性模型→重复 N 次→汇总均值、分位数、超标概率与置信误差。
固定随机种子，检查样本数收敛；报告 P5/P50/P95，而不只报平均值。
别踩坑只模拟 10 次独立抽样忽略相关性
动手试一试
LIVE不确定性表达
比较均值方案与分布方案。
忽略尾部和超标概率。
跟我算一遍库存缺货
每日需求服从历史经验分布，库存 100。
每次抽一个需求值 d。
缺货量=max(d−100,0)。
重复 10000 次，统计缺货概率与平均缺货量。
得到“库存 100 时约 8% 概率缺货”，比只报平均需求更支持风险决策。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
蒙特卡洛最重要的输出通常不是单一数，而是？
随机输入产生随机输出。
参考答案
结果分布、分位数与风险概率。
02判断未作答
重复次数越多，就能弥补输入分布设错。
垃圾分布进，垃圾结果出。
参考答案
错误。次数只降低抽样误差，不能修复错误机制或分布假设。
03计算未作答
10000 次模拟中有 820 次缺货，估计缺货概率是多少？
频率估计概率。
参考答案
820/10000=0.082，即 8.2%。
04简答未作答
为什么要固定随机种子？
随机也可以可复现。
参考答案
便于复现同一随机样本、调试代码和比较模型版本。
本讲主实验 · 拖一拖再下结论
四问模型选择器
选择任务目标、样本规模和约束强度，得到优先候选并读出理由。
观察结果等待计算
调整左侧参数，观察模型输出怎样变化。
实验后想一想
选择器只给候选，不给最终答案。还需要检查哪些假设和验证方法，才能真正决定模型？
知识点04
降维不是删掉“不显著”变量
PCA 用少数成分概括信息
先猜一猜
10 个高度相关指标都在测“规模”，能否用 1–2 个综合成分表示？
主成分分析寻找原特征的线性组合，使第一成分解释最大方差，后续成分与前面正交并解释剩余方差。
通常先标准化；载荷用于解释成分与原变量关系。成分数学上最大化方差，不一定天然有业务含义。
标准化矩阵协方差/相关矩阵特征分解；解释方差比 λj/Σλ。按累计解释率、碎石图和解释性选成分数。
报告标准化、解释方差、载荷矩阵和成分命名理由；PCA 后模型仍需验证。
别踩坑不同单位不标准化只看累计解释率不看载荷
动手试一试
LIVE降维解释
比较机械保留与可解释 PCA。
不知道成分代表什么。
跟我算一遍企业规模
营收、资产、员工数高度正相关。
对三列标准化。
第一主成分载荷都为正且接近。
可谨慎解释为“综合规模”成分。
用一个成分减少共线和维度，但要说明它是原指标的线性组合。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01判断未作答
PCA 第一主成分一定有清楚的现实含义。
数学方向不等于现实概念。
参考答案
错误。它最大化方差，业务含义需根据载荷和情境解释，有时并不清楚。
02选择未作答
不同单位特征做 PCA 前通常需要？
PCA 也受尺度影响。
参考答案
标准化，避免大尺度特征主导方差。
03计算未作答
前三个特征值 5、3、2，第一主成分解释率是多少？
特征值占总和。
参考答案
5/(5+3+2)=0.5，即 50%。
04简答未作答
载荷矩阵帮助回答什么？
成分与原特征的桥。
参考答案
每个主成分由哪些原变量、以何方向和强度构成，从而支持成分解释与命名。
知识点05
目标、数据、约束、输出、验证
五问快速选型
先猜一猜
题目写“建立合理模型”，怎样在 30 分钟内把几十种方法缩小到 2–3 个候选？
先问目标是什么、数据有什么、现实约束是什么、需要输出什么、怎样验证。
候选模型要比较数据要求、假设、复杂度、解释性、实现时间和验证方式。
输出排序→评价；未来数值→预测；受约束决策→优化；已知标签→分类；无标签分组→聚类；连接路径→图网络；随机风险→模拟。
做一张候选表，每问至少一个简单基准和一个进阶候选。先跑基准，进阶模型必须证明增益。
别踩坑按关键词套模型只选最复杂方法
动手试一试
LIVE选型质量
比较模型菜单与结构匹配。
“最佳”可能是评价也可能是优化。
跟我算一遍配送问题
未来需求未知，需决定路线并评估延误风险。
预测需求：时间序列/回归。
路线决策：车辆路径/整数优化。
延误风险：情景或蒙特卡洛模拟。
问题需要“预测→优化→风险模拟”的模型链。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
有资源约束，要决定生产数量使利润最大，优先考虑？
“决定数量 + 最好 + 约束”。
参考答案
优化模型。决策变量、目标与约束都明确。
02判断未作答
题目出现“预测”一词就必须使用神经网络。
任务类型不等于具体算法。
参考答案
错误。应根据样本量、结构、解释需求和基准表现选择，简单模型可能更合适。
03简答未作答
候选模型比较表至少有哪些列？
让选择有证据。
参考答案
数据要求、核心假设、输出、验证方式、解释性、实现成本/风险；还可列基准表现。
04选择未作答
没有标签、希望发现自然群组，优先考虑？
无标签分组。
参考答案
聚类。
知识点06
复杂度必须换来可验证增益
模型链、基准与止损
先猜一猜
一个模型做到 95 分，三个模型串联为什么可能只剩 80 分？
模型链中上游误差会传递到下游。接口要写清输入、输出、单位和不确定性。
设置止损：若进阶模型在限定时间内不能稳定超过基准，保留简单可解释方案。
每一环都有局部验证，整条链还有端到端验证。预测输出进入优化时，用高/中/低情景而非单一点值。
为每个模型写最晚完成时间、最低验收指标和备用方案。不要在最后 6 小时继续重写核心模型。
别踩坑只验证每环不验证全链沉没成本阻止换回基准
动手试一试
LIVE复杂度管理
比较一味升级与有基准止损。
实现风险高，可能无验证时间。
跟我算一遍预测到库存
预测 MAPE 10%，库存优化使用点预测。
建立预测低/中/高需求情景。
分别求库存方案与缺货成本。
检查同一方案在预测误差内是否稳健。
若方案对 ±10% 需求极敏感，应增加安全库存或使用稳健优化。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01判断未作答
模型链中每个子模型单独表现好，端到端方案就一定好。
局部最优不保证全局好。
参考答案
错误。接口、单位、误差传递和目标错配都可能让整条链失效。
02选择未作答
预测进入优化时更稳妥的做法？
上游误差不能消失。
参考答案
使用高/中/低情景或稳健方法，把预测不确定性传给决策。
03简答未作答
什么是模型开发止损线？
防止最后阶段沉没成本。
参考答案
事先约定的最晚时间和最低增益标准；若进阶方案未达标，就回到已验证基准并完成论文。
04选择未作答
复杂模型值得保留的最强理由是？
增益要有证据。
参考答案
在公平验证中稳定改善关键指标，且复杂度、解释和实现风险可接受。
离开前完成
做一张自己的模型选择地图
选择一份综合赛题，不求解，先设计模型链与备用路线。
LOCAL PACK
本地学习资源
讲义、练习、实验与挑战清单均在本地页面内。