我将使用您的文档中的示例：
https://docs.microsoft.com/zh-cn/azure/machine-learning/how-to-auto-train-forecast#preparing -data
每家商店使用两种模型或每种商店使用谷物的火车之间有什么区别？ 是否会由于大量数据等因素而增加具有颗粒的模型的准确性？
[在此处输入反馈]
文件详细资料
⚠请勿编辑此部分。
- ID（标识号）：bf6e8bb8-9f33-6315-dec3-915c82152f4f
- 版本独立ID：0d184dff-a615-49e4-089a-8c41a8ff801c
- 内容：自动训练时间序列预测模型-Azure机器学习
- 内容来源：文章/机器学习/如何自动训练forecast.md
- 服务：机器学习
- 子服务：核心
- GitHub登录：@nibaccam
- Microsoft别名： nibaccam
pbartos
>所有评论
建立一个大型模型通常会比每个系列建立一个模型好，但并非总是如此。 如果该系列的异构性很强（表现出不同的模式，跨度数个数量级），那么适合多个模型是有意义的。 如果它们相似，则通常一个模型会做得很好。
TitusA
于 2020-07-23
👍3
此页面是否有帮助？
0 / 5 - 0 等级
相关问题
Ponant
·
3评论
Favna
·
3评论
JeffLoo-ong
·
3评论
JamesDLD
·
3评论
paulmarshall
·
3评论
最有用的评论
建立一个大型模型通常会比每个系列建立一个模型好，但并非总是如此。 如果该系列的异构性很强（表现出不同的模式，跨度数个数量级），那么适合多个模型是有意义的。 如果它们相似，则通常一个模型会做得很好。