一完善度

汇总数据能直接满足多少查询需求，即应用层访问汇总层数据的查询比例
跨层引用率：ODS 层直接被 DWS/ADS/DM 层引用的表，占所有 ODS 层表（仅统计活跃表）比例

快速响应业务方的需求

比较好的模型，使用方是可以直接从该模型获取所有想要的数据的，如果dws，ads，dm层直接引用ods层的表比例太大，即跨层引用率太高，则该模型不是最优，可以继续优化

二复用度

模型引用系数：模型被读取并产出下游模型的平均数量

三规范度

主题域归属
分层信息

脚本及任务明明规范
表命名符合规范(清晰、一致，见名知意)

字段命名是依赖于词根

四稳定性

能否保证日常的sla（时效保障）

五扩展性

新增加的模型是否和老的模型出现冲突

六准确性&一致性

输出的指标数据质量能够保证

七健壮性

业务快速更新迭代的情况下不会太影响底层模型

八低成本

计算时间成本
计算资源成本

存储成本

0004-1-模型好坏评判标准相关推荐

算法模型好坏、评价标准、算法系统设计
算法模型好坏的评价通用标准: 1.解的精确性与最优性.基于正确性基础上. 2.计算复杂度,时间成本. 3.适应性.适应变化的输入和各种数据类型. 4.可移植性. 5.鲁棒性.健壮性. 鲁棒性(robu ...
风控模型别只会KS、AUC了，来看看其他衡量模型好坏的一些重要指标吧|含实操
当我们训练好一个机器学习模型之后,必然会对模型的综合性能进行评估,针对分类.回归.聚类等不同类型的算法模型,可以采用相关的评价指标,例如分类模型的Accuracy.KS等:回归模型的MAE.MSE等: ...
为什么搜索与推荐场景用AUC评价模型好坏？
星标/置顶小屋,带你解锁最萌最前沿的NLP.搜索与推荐技术文 | 吴海波在互联网的排序业务中,比如搜索.推荐.广告等,AUC(Area under the Curve of ROC)是一个非常常 ...
损失函数总结：评价模型好坏指标准确率和稳定性
损失函数又称为目标函数,优化评分函数. 模型传参的两个重要指标之一: 一个是优化器另一个就是损失函数损失函数需要对比的两个参数 y_true: 真实标签. y_pred: 预测值. 损失函数 ...
用来评估模型好坏的方差和偏差的区别对比
先说为什么要来区别对比方差和偏差.在特定的模型下,模型误差的期望值可以分解为三个部分:样本噪音.模型预测值的方差.预测值相对真实值的偏差: 误差的期望值 = 噪音的方差 + 模型预测值的方差 + 预测 ...
AngularJS 0004：模型
随着博主第一次在WPF中接触了绑定,后来不管做CS还是BS总有一种绑定的思维,控件和值的互相绑定. anjularjs使用ng-model命令来完成绑定的. 绑定如下 <html xmlns= ...
1-2 用Python编写【房价预测】模型----paddle
课程>我的课程>百度架构师手把手教深度学习>1-2 用Python编写[房价预测]模型> 1-2 用Python编写[房价预测]模型 paddle初级教程第一章第二节王然( ...
机器学习（16）ROC曲线与AUC指标（癌症分类的模型检测--AUC指标）
目录一.基础理论 0.引言 1.TPR与FPR 1.TPR(召回率) 2.FPR 2.ROC曲线 3.AUC指标二.癌症分类的模型检测(AUC指标) 1.正反例转1.0 2.计算AUC指标总代码 ...
logistic回归如何_第七章：利用Python实现Logistic回归分类模型
免责声明:本文是通过网络收集并结合自身学习等途径合法获取,仅作为学习交流使用,其版权归出版社或者原创作者所有,并不对涉及的版权问题负责.若原创作者或者出版社认为侵权,请联系及时联系,我将立即删除文章, ...

0004-1-模型好坏评判标准

一完善度

二复用度

三规范度

四稳定性

五扩展性

六准确性&一致性

七健壮性

八低成本

0004-1-模型好坏评判标准相关推荐

最新文章

热门文章

0004-1-模型好坏评判标准

一 完善度

二 复用度

三 规范度

四 稳定性

五 扩展性

六 准确性&一致性

七 健壮性

八 低成本

0004-1-模型好坏评判标准相关推荐

最新文章

热门文章

一完善度

二复用度

三规范度

四稳定性

五扩展性

六准确性&一致性

七健壮性

八低成本