Most often, the available enterpris

Most often, the available enterprise data has many dimensions, codings, and time periods that will have different relative values in predicting the target. Data miners need to know when the model will be applied, in what operational system, what throughput is required, and what data will be available. The data must be stable. The scales and codings must be consistent throughout model training and scoring. It does no good to build a model that uses data that is too expensive, too volatile, or that is not available at the time of scoring.

結果 (中文) 1:

最经常的是，有许多可用的企业数据的尺寸，编码，和时间期间，将具有不同的相对值，在预测目标。数据矿工们需要知道什么时候该模型将应用于，在什么样的业务系统，吞吐量的需要，和什么样的数据是可用的。数据必须是稳定的。规模和编码必须是一致的模型训练和得分。它并没有很好的建立了一个模型，就是太贵了，太不稳定，或者说是不能得分的时候，使用的数据。

結果 (中文) 2:

最常见的，现有的企业数据的许多方面，编码，和时间周期，会有不同的相对值的预测目标。数据矿工需要知道什么时候将模型应用，在操作系统，什么是需要什么样的数据吞吐量，将可。数据必须是稳定的。规模和编码必须一致，在模型训练和得分。它没有建立一个模型，使用的数据是太昂贵，太不稳定，或是不具备的时候，得分。

結果 (中文) 3:

大多数情况下，可用的企业数据有很多维度、 编码和会有不同的相对价值，在预测目标的时间段。数据矿工需要知道时将应用该模型，什么业务系统中，哪些吞吐量是必需的以及哪些数据将可用。数据必须是稳定的。尺度和编码必须是整个模型的培训和评分相一致。它并没有好处，以构建一个模型，使用的数据，这就是太贵、 太动荡不定，或，在评分时不可用。