当谈到南京大数据数据分析时，我们必须提到数据分析模型。数据视角下的实体模型通常是指统计分析或深度学习、大数据挖掘、人工智能技术等实体模型。这些模型是从科学研究的角度定义的。

1. 降维

在挖掘大数据和大规模数据时，经常会遇到“维度灾难”。数据集的维度是无限增长的，但由于计算机的处理能力和速度有限，此外，数据集的多个维度之间可能存在共同的线性关系。这将立即导致学习模型缺乏可扩展性，甚至很多优化算法届时将失效。因此，必须减少层数，减少层间共线性的危害。

2. 回归

回归是一种数据分析方法，是研究变量x对因变量y的数据分析，我们知道的最简单的回归模型是单变量线性回归。

3.聚类

聚类分析方法是大数据挖掘和计算的基本任务。聚类分析方法将大量的统计数据集中起来，将具有“相似”特征的统计数据点划分为一致的类型，最后将其转换为若干类。

4. 分类

分类算法通过对已知类型训练集的计算和分析，从文本中找到类型标准，因此对新的统计数据进行类型分析是一种类别优化算法。分类算法是解决分类问题的一种方法。它是数据挖掘、机器学习和模式识别的一个重要研究领域。

6. 时间序列

时间序列是一种用来研究数据随时间变化的算法。

7. 异常数据检测

在大多数南京大数据数据分析挖掘或数据挖掘工作中，对于国内服务器来说，在数据预处理过程中会将离群值视为“噪声”并加以消除，以避免其对整体数据评价和分析挖掘的影响。