在时序预测中训练集很大有几十万条数据如何提高模型训练效率缩短训练时间。

以下是一些提高时序预测模型训练效率的方法：

1. 数据预处理：通过对数据进行归一化、标准化等处理，可以减少特征值的数量，并提高算法的收敛速度和准确度。

2. 特征选择：选择最具代表性的特征，可以降低模型复杂度，加速训练时间。

3. 采样：对于大规模数据集，可以采用抽样的方式，选取一部分数据进行训练，以减少训练时间。

4. 并行计算：使用GPU等并行计算技术，可以大幅提高训练速度。

5. 模型选择：选择适合数据规模的模型，比如对于大规模数据集，可以选择基于树的算法（如GBDT、XGBoost）或神经网络等。

6. 超参数调整：通过对模型的超参数进行调整，比如学习率、正则化参数等，可以提高模型的泛化能力和训练效率。

7. 增量式学习：对于已经训练好的模型，可以采用增量式学习的方式，每次只训练部分数据，以减少训练时间。