【文件属性】：
文件名称：工业建模的基本过程-golang高级编程
文件大小：2.1MB
文件格式：PDF
更新时间：2021-07-02 03:54:44
大数据分析 工业大数据
6.2 工业建模的基本过程
建模过程本质上是个寻优的过程、找到最合适描述对象的模型。数
据建模的关键是选择特征、模型结构和算法。选择特征，就是选择模型
的输入变量；模型结构本质上是用于框定优化范围的模型集合；算法确
定优化目标和实施策略，以便在特定模型集合内找出误差小的模型。
6.2.1 建模的基本思路
如前所述，建模过程需要不断地尝试变量、模型结构和算法。其
中，变量和模型结构决定了模型的精度、适用范围和可靠度；算法决
定了在特定范围内的优化的目标、执行效率和效果。模型结构确定之
后，优化算法确定的是模型相关的参数，模型结构不同，有效的算法
也不相同。
对于复杂的工业过程，人的领域知识往往不足以选择出最优的变
量和模型结构，要根据数据建模的实际结果对前面的选择加以调整、
重新进行优化。这时，人们会遇到新的困难：如何理解从数据分析的
结果以得到新的认识？如何根据新的认识调整模型？要将领域知识
和数据分析方法有机融合，就要解决这个问题。
从某种意义上说，决策树是一种能将机理知识和统计算法较好地
融合起来的算法，故而在实际问题中应用较广。但决策树主要用于寻
找特定问题发生的原因，难以建立连续的数学模型。为此，还要寻找
新的方法，以推进融合。
6.2.2 模型融合的方法
为了把领域知识和数据分析过程有机地融合起来，我们提出的思
路是基于分解的综合。这个方法把复杂的建模过程分成两步：