Azure-docs: Previsão AutoML: dividida por modelo ou grão
Vou usar um exemplo de sua documentação:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-forecast#preparing -data
Qual é a diferença entre treinar dois modelos por loja ou um modelo com grãos da loja? Será que a precisão de um modelo com grãos aumentará devido a uma maior quantidade de dados, etc?
[Digite o feedback aqui]
Detalhes do Documento
⚠ Não edite esta seção.
- ID: bf6e8bb8-9f33-6315-dec3-915c82152f4f
- ID independente da versão: 0d184dff-a615-49e4-089a-8c41a8ff801c
- Conteúdo: Treine automaticamente um modelo de previsão de série temporal - Azure Machine Learning
- Fonte do conteúdo: articles / machine-learning / how-to-auto-train-forecast.md
- Serviço: aprendizado de máquina
- Sub-serviço: núcleo
- Login do GitHub: @nibaccam
- Alias da Microsoft: nibaccam
pbartos
>Todos os comentários
Construir um modelo grande geralmente será melhor do que um modelo por série, mas nem sempre. Se as séries são bastante heterogêneas (exibem padrões diferentes, abrangem ordens de magnitude), então faz sentido ajustar vários modelos. Se forem semelhantes, um modelo geralmente funcionará bem.
TitusA
em 23 jul. 2020
👍3
Esta página foi útil?
0 / 5 - 0 avaliações
Questões relacionadas
bityob
·
3Comentários
spottedmahn
·
3Comentários
spottedmahn
·
3Comentários
Ponant
·
3Comentários
paulmarshall
·
3Comentários
Comentários muito úteis
Construir um modelo grande geralmente será melhor do que um modelo por série, mas nem sempre. Se as séries são bastante heterogêneas (exibem padrões diferentes, abrangem ordens de magnitude), então faz sentido ajustar vários modelos. Se forem semelhantes, um modelo geralmente funcionará bem.