物联平台定制方案询问报价「多图」

与实物模型不同，数据模型不是等比例模拟出来的真实事物，而是一组能表示数据需求、数据结构的符号集合。

在房屋平面图中，中间有条线的矩形表示窗户，用直角扇形表示门。在数据模型中，用矩形框或圆角矩形表示实体；用线以及线上的符号表示实体之间的关系、基数或约束；用写在线上的词或词组表示标签，所有的这些符号组成了各种各样的数据模型。

层次模型、网状模型、关系模型

1、层次模型：

有且只有一个结点没有双亲结点这个结点叫根结点。

除根结点外的其他结点有且只有一个双亲结点。

层次模型中的记录只能组织成树的集合而不能是任意图的集合。在层次模型中,记录的组织不再是一张杂乱无章的图，而是一棵倒长的树。

2、网状模型 ：

允许一个以上的结点没有双亲结点。

一个结点可以有多个双亲结点。

网状模型中的数据用记录的集合来表示，数据间的联系用链接可看作指针来表示。数据库中的记录可被组织成任意图的集合。

3、关系模型：

关系模型用表的集合来表示数据和数据间的联系。

每个表有多个列，每列有列名。

在关系模型中，无论是从客观事物中抽象出的实体，还是实体之间的联系,都用单一的结构类型。

数据建模的具体过程可分为六大步骤：

一、制订目标

制订目标的前提是理解业务，明确要解决的商业现实问题是什么？

如：在-kol中，存在假粉丝的情况，如何识别假粉就是一个要解决的现实问题。

二、数据理解与准备

基于要解决的现实问题，理解和准备数据，一般需要解决以下问题：
1.需要哪些数据指标即特征提取？如：哪些指标能区别真粉和假粉？
2.数据指标的含义是什么？
3.数据的如何？如：是否存在缺失值？
4.数据能否满足需求？
5.数据还需要如何加工？如：转换数据指标，将类别型变量转化为0-1哑变量，或将连续型数据转化为有序变量
6.探索数据中的规律和模式，进而形成假设。

需要注意的是，数据准备工作可能需要尝试多次。因为在复杂的大型数据中，较难发现数据中存在的模式，初步形成的假设可能会被很快推到，这时一定要静心钻研，不断试错。

数据建模后需要评估模型的效果，因此一般需要将数据分为训练集和测试集。