a.從題目中搜尋描述出要研究的問題
b.口頭陳述翻譯成為數學符
通過減少所考慮的因素將模型進行簡化。於是，必須確定餘下變數之間的關係，然後通過假設相對簡單的關係，降低模型的複雜性。做出假設的兩個方面：
a. 變數分類（變數本身假設）
什麼事情影響了1步驟中的識別問題，把變數全部列出來，把他們根據因變數和自變數或者兩者都不是。
某些自變數影響小，甚至幾乎可以忽略。
b.確定研究變數之間的關係（變數之間關係的假設）
在假設變數之間的相互關係之前，一般要做進一步的簡化。
可能自變數很多，模型複雜，無法看出變數之間的關係，這時候由簡單到複雜，先從幾個自變數入手，建立子模型，最後再把各個子模型合在一起，做出變數之間的假設關係。
優化模型：數學規劃模型（多目標、單目標、0-1整數規劃等）、複雜網路優化、排隊論與計算機**、圖論、博弈論
數理統計模型：多元分析（主成分分析、聚類分析、因子分析、判別分析、典型相關性分析等）、相關回歸分析、假設檢驗、方差檢驗、貝葉斯統計
分類與判別演算法： 距離聚類(系統聚類)、關聯性聚類，層次聚類、貝葉斯分類與判別、svm支援向量機、決策樹、極限學習機
重要的演算法：蒙特卡羅演算法、資料處理演算法(資料擬合、引數估計、插值等)、規劃演算法(線性規劃、整數規劃、多元規劃、二次規劃等)、圖論演算法、計算機經典演算法(動態規劃、回溯搜尋、分治演算法、分支定界等)、最優化理論的三大非經典演算法(模擬退火法、神經網路、遺傳演算法)、網格演算法和窮舉法、元胞自動機
1.是否回答了步驟1中的問題
2.模型在實用意義上有用嗎？
即我們確實可以收集到必要的資料，然後通過執行3步驟建立的模型。
3.模型具有普遍意義嗎？
使用者友好型，要用決策者和使用者能聽懂的術語來解釋模型是否對他們有用
模型是從第一步的識別問題和第二步所做的假設推導出來的，原先的問題會有什麼變化嗎?或者之前忽略的因素？子模型需要調整嗎？
建模的過程
在建模的過程中，每個人的習慣不同，建模的過程也有所不同，我在這裡描述下自己的建模過程，希望高手們提出些改進的意見。我是這樣建模的，在接下專案後，先與這個專案的提出者溝通，了解其想要個什麼樣的系統，希望這個系統能幹些什麼，能提供些什麼幫助，也就是讓其描述下系統的藍圖，等系統的藍圖出來後，下一步就是了解...
建模雜談系列2 建模過程（邏輯回歸）
以邏輯回歸為例，簡述一次建模過程的流程。0公式0 的梳理。對於一般的監督學習而言，目標是首先要確認的。在這步甚至可以保留多個可能的目標變數 但是在每次建模中只使用乙個 當變數的缺失比例較高時，可以考慮直接棄用變數。缺失的問題是比較麻煩的 可能是由於客戶不願意錄入 錄入了但是儲存失敗甚至是取數時的失誤...
mysql uml建模 UML 建模
建模公式 這種精華的東西，一定是值得研讀和實踐的！myself 人，事，物，規則。人，業務主角 業務工人 參與者。如果應用到教務系統中，就是管理員，主任，老師的關係。事，業務用例，系統用例。物，業務實體。有些東西，一次兩次理解不了。要多理解幾次就好了。有些東西，先留個印象，相信隨著不斷思考，一定會逐...