我正在处理时间序列数据集,我有两种不同的情况。一个序列的大小相同另一个序列的长度不同。当我有相同长度的序列时,我可以合并所有的数据集,然后一次拟合模型。
但是对于不同长度的序列,我想知道keras模型应该有多大的不同。Fit将表现
- 如果模型逐条拟合不同长度序列,批大小=序列长度
- 如果模型一次拟合,所有序列合并在一起,具有固定的批量大小
根据给定的情况,正确或更好的行动方针应该是什么?
在第一个场景中,权重将首先针对第一个数据集进行优化,然后针对第二个数据集进行更改(更新),依此类推。在第二个场景中,您同时要求模型从所有数据集中学习模式。这意味着权重将根据所有数据集进行调整。我更喜欢第二种方法,因为当在新数据集上训练时,神经网络有忘记/中断的倾向。他们更有可能关注他们最近看到的数据。