Azure ML的新功能，如何为数百台自动售货机实施预测模型? [英] New to Azure ML, how to operationalize predictive models for hundreds of vending machines?

问题描述

我有数百台自动售货机，我们会收到有关其每小时装满硬币的装满盒的数据.

我想为每台机器的硬币箱装满时提供一个预测.

不同的机器填充速度明显不同-例如，城市中部的填充速度比农村地区的填充速度快得多.在大多数情况下，我每个小时都有每小时的填充数据.

这似乎是回归分析的不错选择.有一件事让我感到困惑:为了使用每台机器的填充率数据，我是否必须训练数百种模型(每台机器一个模型)?这似乎很笨拙.

更容易管理的是拥有1个模型，并逐台机器提供历史数据，以获取每台机器的预测填充日期.这可能/可行吗?这对Azure ML可行吗?

解决方案

你好SeedJay，

这在AzureML上绝对可行.如果您为每台机器分别训练模型，则可能会更准确.但是，您绝对可以有一个通用模型，而可以依靠模型中的输入来指示用法 机器.

您可以阅读有关的文档 在这里进行培训.

一旦生成了 traine d模块，就可以使用 解决方案

Hello SeedJay,

This is definitely doable on AzureML. If you train the models individually for each machine, it would probably be more accurate. However, you can definitely have one common model and instead count on an input into your model being an indication for the usage of the machine.

You can read our documentation about training here. 

Once you've produced the trained module, you can then use the predict method. 

You'll want to evaluate the performance of your model after it's created. It's difficult to say with certainty what will work best for each situation. 

这篇关于Azure ML的新功能，如何为数百台自动售货机实施预测模型?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！