不同的結果在使用SARIMAX磚

[ckwan48]

在磚,使用11.3毫升運行時給予不同的結果在使用通用vs memory-optimized工人。我用SARIMAX和預測結果但我得到不同的結果當我司機和工人類型更改為這個選項。有誰知道我為什麼得到這個問題?謝謝!

[匿名]

@Kevin金:

結果的差異在使用不同類型的司機和工人在磚可以是由於許多因素。這裏有一些可能的解釋:

1. 資源分配:通用和memory-optimized工人可能有不同數量的CPU和內存資源分配給他們。如果SARIMAX模型需要更多的資源比通用工人,它可能執行較慢或產生不同的結果。相反,如果memory-optimized工人比需要更多的資源,它可能沒有顯著提高性能。
2. 並行性:SARIMAX是計算密集型算法和可以受益於並行。Memory-optimized工人可能更多的內核,允許並行算法在多CPU核心,導致更快的處理時間和潛在的不同的結果。
3. 網絡延遲:磚工作負載包括司機和工人之間移動數據通過網絡。如果網絡延遲高,這可以影響SARIMAX算法的性能,導致不同的結果。

[ckwan48]

嗨@Suteja卡努裏人,

謝謝你的回應!

我得到SARIMAX可以計算昂貴,然而,我隻使用9數據點訓練,所以我個人認為它不會是一個問題。但是我可能是錯的。然而,我確實看到SARIMAX解決有不同的數值,和默認lbfgs。你認為這是一個問題嗎?

另外,你能對網絡延遲進行更詳細的描述嗎?

謝謝!

[匿名]

@Kevin金:希望以下回答給你一些指針認為,測試和嚐試,實現。

數值解算器的選擇可能影響優化過程的速度和準確性在SARIMAX模型擬合。lbfgs,默認的解算器是基於一個梯度優化方法是適合小數據集參數估計相對較少。然而,對於大型的數據集或模型參數,可能需要使用不同的解算器,如牛頓或高爐煤氣,取得更快、更好的收斂性能。

關於網絡延遲,這是指之間的旅行時間數據磚集群和任何其他外部數據源或服務,您的代碼可以訪問。如果您的代碼讓頻繁或大數據請求外部源,網絡延遲可以成為一個重要的瓶頸,影響你的整體性能計算。減輕,你可能想要考慮優化你的代碼來減少數據請求的數量或在你的磚進行預處理並在本地緩存數據集群。此外,您可能會考慮使用一個立足於網絡或優化您的網絡配置來降低延遲。

[Vidula_Khanna]

嗨@Kevin金

謝謝你發布你的問題在我們的社區!我們很高興幫助你。

幫助我們為您提供最準確的信息,請您花一些時間來回顧反應和選擇一個最好的回答了你的問題嗎?

這也將有助於其他社區成員可能也有類似的問題在未來。謝謝你的參與,讓我們知道如果你需要任何進一步的援助!