【文件属性】:
文件名称:部署后的持续优化-golang高级编程
文件大小:2.1MB
文件格式:PDF
更新时间:2021-07-02 03:54:53
大数据分析 工业大数据
8.4 部署后的持续优化
模型运行过程中应该进行持续的优化,否则技术就没有生命力。
没有哪个模型在建立之初就是完美的,一般需要经过长时间的优
化和改进,才能更好地满足用户需要。优化包括精度的提高、适用范
围的扩大、知识的增加等。
模型的精度很大程度上决定于数据的质量。特定数据的质量往往
取决于基础的维护和管理的水平。但维护和管理都要花费成本,所以
对于重要性不大的数据,人们往往疏于维护和管理,从而导致数据的
质量很差。如果分析模型确实能够为企业带来效益,数据的重要性和
经济价值就会大大增加,从而为提高数据的精度奠定基础,这是推动
模型不断优化的动力。
一般来说,企业的产品、工艺、设备、原料等都是在不断变化、
甚至不断创新的,这可能导致模型的使用率不断降低。现实中,如果
模型的投入率低到一定的程度,模型就会被边缘化,甚至会被放弃。
这时候,维护人员一定要设法让模型的适用范围不断扩大,以适应这
些变化。
随着数据质量的提高和数量的增加,可能会经常发现新的知识和
规则,这时就需要对模型进行完善。因此,模型的架构必须灵活,必
须能够适应这些变化。特别地,由于工业应用对可靠性和稳定性的要
求很高,模型的变动本身就可能成为不稳定因素。故而,如何减少模
型变动所可能产生的不利影响是必须考虑的问题。
9. 展望未来
当前,以大数据、云计算、物联网等为代表的新一轮科技革命席
卷全球,工业数字化、网络化和智能化的步伐不断加快,工业大数据