登录后台
潜江物联云定-务为先「在线咨询」
发布者：武汉态物科技有限公司 时间：2022-9-7
数据建模是一种用于定义和分析数据的要求和其需要的相应支持的信息系统的过程。因此，数据建模的过程中，涉及到的数据建模工作，与企业的利益和用户的信息系统密切相关。从需求到实际的数据库，有三种不同的类型。用于信息系统的数据模型作为一个概念数据模型，本质上是一组记录数据要求的规范技术。数据首先用于讨论适合企业的要求，然后被转变为一个逻辑数据模型，该模型可以在数据库中的数据结构概念模型中实现。一个概念数据模型的实现可能需要多个逻辑数据模型。数据建模中的后面一步是确定逻辑数据模型到物理数据模型中到对数据访问性能和存储的具体要求。数据建模定义的不只是数据元素，也包括它们的结构和它们之间的关系。
我们通过“体系感”来把控自己，通过图纸来建立高楼大厦。同样，我们可以通过“数据模型”来管理我们的数据。
数据模型就是数据的组织和存储方法，它强调了从业务、数据存取和使用角度合理存储数据、有了适合业务和基础数据存储环境的模型，那么大数据就会获得以下好处：
性能
-的数据模型你帮助我们快速查询所需要的数据，减少数据的io吞吐。
成本
-的数据模型能-地减少不-的数据冗余，也能实现计算结果复用，-地降低大数据系统中的存储和计算成本。
效率
-的数据模型能-地-用户使用数据的体验，提高使用数据的效率。
-的数据模型能-数据统计口径的不一致性，减少计算错误的可能下。
三、建立模型
在准备好的数据基础上，建立数据模型，这种模型可能是机器学习模型，也可能不需要机器学习等高深的算法。选择什么样的模型，是根据要解决的问题目标确定的。
当然可以选择两个或以上的模型对比，并适当调整参数，使模型效果不断优化。
四、模型评估
模型效果的评估有两个方面：一是模型是否解决了需要解决的问题是否还有没有注意和考虑到的潜在问题需要解决；二是模型的准确性误差率或者残差是否符合正态分布等。
如：在识别kol假粉的问题中，需要评估的是：模型能否识别出假粉？识别的误差率是多少？粉丝识别误差率=假粉误认为真粉的数量+真粉误认为假粉的数量/总粉丝数
联系时请说明是在云商网上看到的此信息，谢谢！
本页网址：https://www.ynshangji.com/xw/27901552.html
声明提示：
本页信息（文字、图片等资源）由用户自行发布,若侵犯您的权益请及时联系我们，我们将迅速对信息进行核实处理。
