发展
数据模型是数据特征的抽象，是研究、应用与学习数据库技术的基础内容与基本手段，是数据库技术的中心，是能表现出数据库技术特色的内容之一。随着数据库技术自身的发展，数据模型也经历相应的发展演变过程，传统的数据模型在不断完善，新的数据模型不停涌现。传统的层次、网状与关系模型已发展了多年，取得了很好的理论研究成果与数据库产品，特别是关系模型，几乎是近年来整个数据模型领域的重要支撑，
web组态定制策略
发展
数据模型是数据特征的抽象，是研究、应用与学习数据库技术的基础内容与基本手段，是数据库技术的中心，是能表现出数据库技术特色的内容之一。随着数据库技术自身的发展，数据模型也经历相应的发展演变过程，传统的数据模型在不断完善，新的数据模型不停涌现。传统的层次、网状与关系模型已发展了多年，取得了很好的理论研究成果与数据库产品，特别是关系模型，几乎是近年来整个数据模型领域的重要支撑，是现代管理信息系统数据存储处理的关键所在。
数据库常见的数据模型有哪三种
层次模型、网状模型、关系模型
1、层次模型：
①有且只有一个结点没有双亲结点（这个结点叫根结点）。
②除根结点外的其他结点有且只有一个双亲结点。
层次模型中的记录只能组织成树的集合而不能是任意图的集合。在层次模型中,记录的组织不再是一张杂乱无章的图，而是一棵'倒长'的树。
2、网状模型 ：
①允许一个以上的结点没有双亲结点。
②一个结点可以有多个双亲结点。
网状模型中的数据用记录的集合来表示，数据间的联系用链接（可看作指针）来表示。数据库中的记录可被组织成任意图的集合。
3、关系模型：
关系模型用表的集合来表示数据和数据间的联系。
每个表有多个列，每列有列名。
在关系模型中，无论是从客观事物中抽象出的实体，还是实体之间的联系,都用单一的结构类型。
建立模型的步骤：
三、建立模型
在准备好的数据基础上，建立数据模型，这种模型可能是机器学习模型，也可能不需要机器学习等高深的算法。选择什么样的模型，是根据要解决的问题（目标）确定的。
当然可以选择两个或以上的模型对比，并适当调整参数，使模型效果不断优化。
四、模型评估
模型效果的评估有两个方面：一是模型是否解决了需要解决的问题（是否还有没有注意和考虑到的潜在问题需要解决）；二是模型的准确性（误差率或者残差是否符合正态分布等）。
如：在识别KOL假粉的问题中，需要评估的是：模型能否识别出假粉？识别的误差率是多少？粉丝识别误差率=（假粉误认为真粉的数量+真粉误认为假粉的数量）/总粉丝数
（作者： 来源：）
