《表3 传统数据建模和自动化数据建模对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《数据分析技术工具发展现状及趋势》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

自动化数据建模通过降低技术门槛、提升建模效率和模型解释程度，优化了数据建模的流程和投入成本。传统数据建模的技术门槛较高，需要大量的建模专业人员，具备包括统计学、算法和编程能力等，以便在具体场景下选择合适的数据预处理规则，并使用编程软件实现数据建模和数据分析。传统数据建模的建模流程复杂，数据预处理和模型选择的工程量较大，其中超参数的调试往往需要在可能的超参数空间遍历足够多的选择，导致机器学习模型耗费几小时或几天的时间完成模型训练与评估。传统数据建模多为“黑箱”模型，降低了模型的可解释性，难以满足模型支撑上层应用的需求。相比之下，自动化数据建模基于输入的数据建模应用场景，选择数据预处理方式，缩短了数据建模流程（见表3）。