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。