企业官网建设流程全解析

2026年美赛C题“与星共舞”一出，很多队伍第一反应是“这题怎么还有综艺味”，实际上等你把数据扒开，会发现这就是一道非常典型的数据分析题：给一堆参赛组合的过程数据，让你找规律、做预测、给建议。我自己带队伍做这种题踩过不少坑，最大的体会是，C题能不能拿奖，往往不取决于你用了多复杂的模型，而是你有没有把数据讲清楚。这篇文章我就以“与星共舞”为背景，完整拆解一套从数据清洗、特征构造、建模到可视化的Matlab实现方案，所有代码都会附上，希望能给备赛的你们一条可以直接参考的路径。

这套思路适合三类人：一是准备2026美赛的参赛队伍，特别是负责建模和写论文的同学；二是想系统学一下用Matlab做数据分析、又不想看一堆碎片教程的入门者；三是比赛时间紧，想直接套用现成流程快速出结果的人。我会把每一步“为什么这么做”也讲清楚，避免你抄了代码却不知道怎么跟评委解释。

1. 赛题拆解：先想清楚“这题到底在问什么”

1.1 “与星共舞”的题目背景与数据形态

按照C题一贯的命题风格，这类题目会给出一份或多份真实数据表格。放到“与星共舞”场景下，通常包含每对组合的基本信息，比如明星姓名、职业背景、舞者姓名、舞种类型、歌曲风格、出场顺序，以及每一场比赛的技术得分、艺术得分、评委个人打分、观众投票数等字段。有些年份还会叠加场外数据，比如社交媒体热度、新闻报道量、上一场排名等。

题目一般会要求你回答三个层次的问题：

第一层是描述性分析：哪类舞种得分高？哪个评委打分尺度更松？观众投票和评委打分有没有一致性？这些都不需要复杂模型，直接用统计和可视化就能回答。

第二层是预测性分析：根据前几轮表现，预测某对组合下一场得分或最终排名。这里需要做特征工程，构建回归或者分类模型。

第三层是决策性分析：如果节目组要优化赛制，比如调整评委权重、改变出场顺序、或者挑选新一季的参赛明星，你该怎么给建议。这层需要把前两层的结论转成业务建议，配合灵敏度分析。

很多队伍拿到数据就急着上模型，结果后面写论文时发现前后逻辑搭不上，所以我建议拿到题目后先干一件事：把题目原文里每个动词圈出来。“分析”“解释”“预测”“建议”分别对应不同的输出形式，把这些理清，整篇论文的结构才算立起来。

1.2 从题目到模型：可选的分析路线

不同队伍擅长的方法不一样，选路线之前先摸摸自己的底牌。我见过的主力路线大致有三种：

第一种是统计回归路线。以得分为因变量，以舞种、练习时长、人气指数、出场顺序、评委差异等作为自变量，做多元线性回归、逐步回归或者岭回归。优点是解释性强，评委和参赛者爱看，写论文时每个系数都能讲出一个故事。缺点是如果数据里存在明显的非线性关系或交互作用，纯线性模型容易吃哑巴亏。

第二种是机器学习路线。比如用随机森林、XGBoost或者支持向量机去预测排名，再用特征重要性来反推哪些因素最关键。优点是预测精度经常比回归高，缺点是你得额外处理超参数和过拟合问题，而且Matlab里实现起来比Python稍微繁琐一些，需要Statistics and Machine Learning Toolbox的支持。

第三种是综合评价路线。既然得分的构成很复杂，可以把技术分、艺术分、观众投票等指标做归一化，然后赋权重求综合评分，再用聚类分析把选手分成“稳定型”“黑马型”“高开低走型”等不同风格类别。这种方法的优势在于可视化效果好、故事感强，很适合作为论文的核心输出。

我个人比较推荐“回归+聚类”的组合打法：用回归回答“什么因素影响得分”，用聚类回答“选手有哪些潜在类型”，再把两者叠加起来分析每组的突围概率。这么做既不会让模型显得单薄，也不至于把战线拉得太长。

1.3 为什么选Matlab做主力工具

很多队伍在Matlab和Python之间纠结。我的观点很直接：如果你们队伍已经在Matlab上积累了代码，或者不熟悉Python那一套包管理环境，那就安安心心用Matlab，不必强行换阵营。

Matlab做这类题目有几个很实际的优势。第一，数据导入和清洗非常友好，readtable函数能直接把Excel、CSV表格读成表格变量，列名、数据类型、缺失值一目了然。第二，统计工具箱里的fitlm、stepwiselm、kmeans、pca这些函数基本覆盖了比赛主流玩法，不需要像Python那样到处找库。第三，出图质量很高，tiledlayout做多子图、heatmap做热力图、scatter做散点图，打印到论文里观感很干净。

当然也有坑，比如Matlab的循环效率在数据量大的时候会拖后腿，但这个题的数据量通常不会大到触碰性能瓶颈，所以综合考虑下来，Matlab完全够用。

2. 数据预处理与探索性分析

2.1 数据读入与清洗标准流程

拿到的原始数据永远不可能直接用来建模。我几乎每次比赛都会遇到同一类问题：列名有中文有空格、某些选手的得分是空值、观众投票数跟得分混在一个字符串里、还有的表格一个选手占多行、需要横向展开。

建议统一按下面的流程处理：

第一步，把Excel或CSV文件读成表格变量，然后立刻用summary命令看每个字段的缺失情况、数据类型和取值范围。这一步很多人会跳过，但恰恰是最省时间的。

% 读取数据，Assume成绩表为xlsx格式 data = readtable('dance_data.xlsx', 'VariableNamingRule', 'preserve'); summary(data)

第二步，统一列名，把所有列名变成英文小写加下划线，顺手把中文列名翻译成自己能看懂的缩写，避免后面在代码里反复粘贴中文。

% 统一列名 data.Properties.VariableNames = {'pair_id', 'week', 'dance_type', 'music_genre', ... 'order', 'tech_score', 'art_score', 'votes', 'popularity'};

第三步，处理缺失值。我的原则是：如果一整行关键字段缺失，直接剔除；如果只有某一列的个别缺失，优先用中位数或同舞种均值填补。直接用rmmissing或者fillmissing都能做，关键是要在论文里写明你用了什么策略，因为评委很爱问为什么这么填。

% 剔除关键字段含缺失值的行 data = rmmissing(data, 'DataVariables', {'tech_score', 'art_score', 'votes'}); % 用舞种均值填补人气分缺失 data.popularity = fillmissing(data.popularity, 'movmean', 5);

第四步，检查离群值。用箱线图看每个连续变量的分布，尤其是观众投票数，有时候节目组会给某位人气选手额外加票，这种离群值究竟是保留还是剔除，直接关系到后面的预测准度。

2.2 探索性分析：先让数据自己“说话”

不要一上来就建模。先用可视化和描述性统计把变量之间的关系看明白，这会直接影响你后面的特征选择。

我推荐做四张图。

第一张，舞种与得分的箱线图。把dance_type设成类别变量，画出不同舞种下total_score的分布，看哪些舞种天生更容易拿高分。这个结论往往很反直觉，比如平时大家都觉得探戈气场强，但数据里恰恰可能恰恰舞平均分更高。

% 创建总分变量 data.total_score = data.tech_score + data.art_score; % 箱线图 figure boxchart(categorical(data.dance_type), data.total_score) xlabel('舞种类型') ylabel('总分') title('不同舞种下的总分分布')

第二张，评委打分热力图。如果数据里能拆出每位评委的分项打分，可以做一个评委×选手的矩阵热力图，颜色越深代表打分越高。热力图能一眼看出谁是最严评委、谁是“大水漫灌”型评委，这对灵敏度分析非常有用。

第三张，观众投票与总得分的散点图，用颜色映射出场顺序。这道题最重要的一个隐藏变量可能不是舞姿，而是“观众缘”。散点图配上相关系数，能快速判断投票数跟总得分是强相关还是弱相关，如果发现相关性很弱，就不要强行把投票数塞进预测模型当主特征。

第四张，出场顺序与得分的折线图。综艺节目里，出场偏后的选手往往有记忆优势，这个规律在数据里经常能体现出来。按周数分组，画出不同出场位置的平均分趋势，大概率能看到一条先下降后回升的曲线。

% 按出场顺序与周数画平均分趋势 avg_by_order = groupsummary(data, {'week', 'order'}, 'mean', 'total_score'); figure tiledlayout(1, 2) nexttile plot(avg_by_order.order(avg_by_order.week == 1), ... avg_by_order.mean_total_score(avg_by_order.week == 1), '-o') xlabel('出场顺序') ylabel('平均总分') title('第1周出场顺序与得分')

做完这四张图，你对数据的理解会非常立体，建模的时候思路也更清楚。最重要的是，这些图和结论都是论文里“赛题重述”和“数据分析”部分的现成素材。

2.3 特征构造与处理

原始数据里的字段一般不够建模用，必须做特征构造。

先处理类别变量。舞种、音乐风格、明星职业这些字段都是字符串，Matlab里要把它们转成categorical类型，然后用dummyvar转成哑变量，才能喂给回归模型。categorical类型还有一个额外好处，就是fitlm能自动帮你处理类别变量的基准组，不用手动建那么多0/1列。

% 转成类别变量 data.dance_type = categorical(data.dance_type); data.music_genre = categorical(data.music_genre); % 生成哑变量用于模型 dance_dummies = dummyvar(data.dance_type);

然后是数值型特征的构造。我建议至少构造下面几个新变量：

连续参赛周数：把第几次参赛作为一个数值变量，用来捕捉“选手越跳越熟”的成长曲线。

上期排名变化量：本轮排名减上轮排名，用来捕捉状态波动。这个变量在预测性模型里非常有用，因为综艺比赛的成绩有明显的惯性。

技术分与艺术分之差：有些人技术强但艺术表现弱，有些反过来，这个差值可以衡量选手风格偏向，聚类时特别好使。

练习时长与知名度的交互项：如果明星很红但练习时间短，可能首轮强、后继乏力，反之则可能低开高走。交互项能让线性模型捕捉这种非线性组合效应。

构造完特征之后要做的第一件事不是直接训练，而是检查多重共线性。可以用corrplot看相关系数矩阵，如果发现两个自变量的相关系数超过0.8，建议去掉其中一个，否则回归系数会乱跳，解释性大打折扣。

% 构造几个综合特征 data.diff_score = data.tech_score - data.art_score; data.cum_week = data.week; % 假设week字段代表参赛周次 data.pop_x_practice = data.popularity .* data.practice_hours; % 相关系数矩阵 numeric_vars = data{:, {'tech_score', 'art_score', 'votes', 'popularity', 'diff_score'}}; [R, P] = corrcoef(numeric_vars); figure heatmap({'技术分', '艺术分', '投票数', '人气', '分差'}, ... {'技术分', '艺术分', '投票数', '人气', '分差'}, R)

3. 核心建模思路与Matlab实现

3.1 模型一：评分预测（多元回归视角）

预测题的核心是从历史数据里找出影响得分的因素。我们以total_score为因变量，以舞种、出场顺序、人气、上期得分、分差等作为自变量，先跑一个全模型线性回归，再用逐步回归做变量筛选。

% 全模型多元回归 mdl_full = fitlm(data, 'total_score ~ dance_type + order + popularity + ... last_score + diff_score + pop_x_practice'); disp(mdl_full)

跑完看两个东西：第一是Rsquared.Adjusted，如果偏低说明解释力不够，需要加交互项或非线性项；第二是每个系数的pValue，把不显著的变量删掉，重新跑。

有时候线性模型解释不了“高开低走”这类趋势，可以试试加二次项。比如order^2，如果系数为负，说明存在最优出场位置，第5个出场以后效果递减。这种结论写进论文是非常好的加分点，评委一看就知道你做了深入思考。

% 加入出场顺序的平方项 data.order_sq = data.order.^2; mdl_quad = fitlm(data, 'total_score ~ order + order_sq + popularity + last_score'); % 对比调整R方 disp([mdl_full.Rsquared.Adjusted, mdl_quad.Rsquared.Adjusted])

如果你想要一个更自动化的变量选择过程，就直接用stepwiselm，它会根据AIC准则逐步增减变量。

% 逐步回归 mdl_step = stepwiselm(data, 'total_score ~ dance_type + order + popularity + ... last_score + diff_score + pop_x_practice', 'Criterion', 'aic');

3.2 模型二：聚类与“冠军相”识别

回归告诉你哪些因素影响得分，聚类则告诉你参赛组合可以分成几类人。这一步放在预测之后，能让论文的分析层次更丰富。

先选聚类需要的变量，通常用：平均技术分、平均艺术分、观众投票均值、人气值、分差均值。然后做标准化，因为投票数跟得分不在一个量纲上，不标准化的话聚类会被投票数带偏。

% 提取聚类用特征 cluster_feat = data{:, {'tech_score', 'art_score', 'votes', 'popularity', 'diff_score'}}; % 标准化 cluster_feat = zscore(cluster_feat); % K均值聚类，K=3或4，这里以3为例 rng(42); idx = kmeans(cluster_feat, 3, 'Replicates', 20); data.cluster = idx;

聚类完之后必须回头解释每一类的含义。用groupsummary算每一类在各变量上的均值，然后给起名字，比如“技术扎实型”“人气驱动型”“均衡稳定型”。这一步做好了，整篇论文就有了一个非常亮眼的故事线。

% 查看每个聚类的均值画像 cluster_profile = groupsummary(data, 'cluster', 'mean', ... {'tech_score', 'art_score', 'votes', 'popularity', 'diff_score'}); disp(cluster_profile)

如果嫌K均值不稳定，可以用clusterdata或者evalclusters跑一下轮廓系数，选一个最合适的K值。轮廓系数在Matlab里一行就能算：

eva = evalclusters(cluster_feat, 'kmeans', 'silhouette', 'KList', 2:6); plot(eva)

聚类结果还可以跟前面的回归结论叠加，比如计算每一类组合进入下一轮的平均概率，或者各类别在各周数的得分曲线，这样论文里既有静态分类又有动态演变。

3.3 模型三：排行榜变动的动态分析

美赛C题通常讲究“动态”二字，光看全局还不够，最好把时间维度拉进去。比较实用的做法是构造“排名变动矩阵”。

把每对组合每周的排名整理成一个矩阵，行是组合，列是周数，元素是排名。然后计算相邻两周的排名差值，就能识别出哪些组合是持续上升的“黑马”，哪些是持续下滑的“高开低走”。这个动态分析可以和预测模型联动，比如用前两周的排名变化预测第三周的得分。

% 假设rank_matrix是组合×周数的排名矩阵 rank_diff = diff(rank_matrix, 1, 2); % 按组合汇总排名变动均值 mean_rank_diff = mean(rank_diff, 2); % 找出持续上升的组合（排名差值持续为负，即排名数字变小） rising_stars = find(all(rank_diff < 0, 2));

这个分析还可以进一步做成可视化热力图，横轴是周数，纵轴是组合ID，颜色代表排名，一眼就能看出谁在稳步上升、谁在掉队，放到论文里非常直观。

3.4 灵敏度分析与稳健性检验

评委最吃“严谨”这一套。建模之后一定要补一个灵敏度分析，说明你的结论不是偶然。

最简单的做法是对权重做扰动。比如原模型里技术分权重是0.5、艺术分权重是0.4，你可以改成0.4/0.5、0.6/0.3，重新算一遍最终排名，看排名变化大不大。如果排名变化很小，说明你的结论稳定；如果变化很大，那你就要在论文里解释为什么会这样，是不是某几个边角选手对权重特别敏感。

% 灵敏度分析：改变技术分权重 weights = 0.3:0.1:0.7; rank_sensitivity = zeros(length(weights), height(data)); for i = 1:length(weights) w = weights(i); temp_score = w * data.tech_score + (1 - w) * data.art_score; [~, rank_sensitivity(i, :)] = sort(temp_score, 'descend'); end % 计算排名波动幅度 rank_range = max(rank_sensitivity) - min(rank_sensitivity);

如果数据里包含评委个人打分，还可以做“去掉最高分和最低分再算总分”的稳健性检验，这跟很多综艺节目的真实规则是吻合的，写出来会让论文更有说服力。

4. 可视化输出与论文协作

4.1 Matlab画图的关键设置

Matlab出图默认字体偏小，线条偏细，直接放进论文会显得不够精致。比赛时间紧张，建议提前把画图脚本的通用设置写成一个函数，每次出图直接调用，保证所有图风格统一。

function setFigureStyle() set(groot, 'DefaultAxesFontSize', 12); set(groot, 'DefaultAxesLineWidth', 1.2); set(groot, 'DefaultLineLineWidth', 1.5); set(groot, 'DefaultTextInterpreter', 'latex'); set(groot, 'DefaultLegendLocation', 'best'); end

在脚本开头调用一次setFigureStyle，后面所有图都会自动用这个风格。导出图片时用exportgraphics，可以直接指定分辨率，比老的print方便很多。

exportgraphics(gcf, 'output/fig_scores.png', 'Resolution', 300);

4.2 表格与图表的论文呈现技巧

论文里的图不光要好看，还要能承载信息。我发现很多队伍的图信息密度太低，一张散点图就干巴巴几个点，评委根本看不出名堂。

改进的办法很简单：用颜色表达第三个维度、用大小表达第四个维度。比如散点图上，横轴是练习时长、纵轴是得分、点的颜色是舞种、点的大小是人气值，这一张图就相当于把四个变量的关系全画出来了，而且观众一眼就能看出“人气高的点普遍偏大、偏右上方”这类模式。

表格方面，不要只是贴数据输出结果。预测模型的回归系数表要标注星号表示显著性，聚类画像表要用颜色高亮最大最小值，灵敏度分析表要标明权重设置和排名变化范围。每张表都配一句正文解释，让评委不用猜。

5. 常见问题与踩坑记录

5.1 常见报错与解决思路

我整理了几个Matlab做这道题时最可能碰到的问题，希望能帮你们少走弯路。

读取中文列名乱码。readtable默认可能识别不了中文列名，尤其是Windows环境下编码不对。解决办法是读数据前先查detectImportOptions，设置VariableNamingRule为preserve，如果还乱码，就先把Excel另存为CSV，用readtable加'TextType', 'string'读入，列名用英文字段重命名。

fitlm报错说变量必须是数值型或类别型。这是因为表中还有string类型列没处理。记得把分类变量统一转成categorical，并且检查是否有纯文本列混进了预测变量列表。

kmeans聚类结果每次跑都不一样。K均值初始点随机，建议设置Replicates为20以上，并且固定随机种子。比赛论文要求可复现，千万别忘了在代码开头写rng(42)这类固定种子的语句。

缺失值填完后模型训练报NaN。填缺失值的顺序有讲究，要先填数值型，再做dummyvar，否则类别变量的哑变量矩阵里会出现全零行，计算相关性时直接崩。

画图时中文字体显示成方框。如果数据里有中文标签，用系统自带的中文字体映射关键词，比如set(gca, 'FontName', 'SimHei')，或者干脆把坐标轴标签都改成英文，更保险。

5.2 时间规划与队伍协作

最后聊点比赛之外但同样重要的事。

美赛只有四天多时间，做C题最容易翻车的就是前半天全耗在数据整理上。我的建议是：

第一天上午做数据读入和探索性分析，下午确定核心问题并画完第一批图表。第一天结束前，每个队员都应该对数据有画面感。

第二天聚焦核心模型，至少完成一个回归模型和一个聚类模型，并记录所有关键输出。写论文的同学从这天开始就跟着同步整理图表，不要等模型全部跑完再动笔。

第三天上午做灵敏度分析和动态分析，下午开始写摘要和结论。摘要一定要在第三天晚上定稿初版，因为最后一天通常会被格式调整和补充分析淹没。

第四天上午检查逻辑漏洞，补齐模型假设检验，下午统一格式。整个过程中，每次跑出重要结果，同时要让写论文的同学截图保存数据，能省掉最后到处找输出文件的痛苦。

我个人的经验是，C题论文最打动评委的往往不是一个惊艳的算法，而是“每一步都有据可依”的完整证据链。模型可以简单，但处理思路要清晰，代码要能复现，结论要能在数据里找到支撑。这就是把数据分析题做出彩的核心秘诀。