文件名称：基于领域知识的模型验证与评估-golang高级编程
文件大小：2.1MB
文件格式：PDF
更新时间：2024-07-21 21:41:29
大数据分析 工业大数据
7.3 基于领域知识的模型验证与评估 工业应用要求确定性和可靠性。对工业大数据分析来说，评估模 型或知识的可靠性是难点所在，而可靠性评估的重点是模型在什么范 围内有效，而不仅仅看平均精度。具体地说，需要分场景检验模型。 数据可以让认识更深刻，但单凭数据看工业过程或者研究模型的 适用范围则无异于“管中窥豹”，难以判断有效的范围。这是因为， 生产数据涉及到的参数，往往在事先设定的工作点附近波动。这些参 数不能指出为什么要把参数设定在这个范围内。而且，当关键参数的 波动范围控制得很小时，其重要性可能完全显现不出来。 事实上，产品设计和工艺参数往往是根据长期积累的知识、经验 和数据而得出的，而这些资源往往并不在工业大数据收集的范围之内， 但它们对评估模型的价值往往很大，故而模型评估要利用数据之外的 知识和数据。 7.3.1 对适用范围的评估 范围的检验，本质是针对不同场景的综合检验。工业大数据分析 涉及到很多自变量，它们的变化范围就构成了模型“自然”的范围。 比如，某钢厂钢材的碳含量是 0.001%～0.78%、Mn 含量是 0.1%～3%。