Question

假设我们具有以下数据集，其中“ s”代表“步骤”。

f1  f2  f3  f4  target
1   2   3   4     5
2   3   4   5     6
3   4   5   6     7
4   5   6   7     8
5   6   7   8     9

该模型包括4个（时间）步骤。它给出一个数字作为输出（目标）。在第一个示例中，step1输入为1，step2输入为2，step3输入为3，step4输入为4。我们将训练一个Sequence模型（使用RNN，LSTM或其他方法），然后输出“ 5 ”表示该特定顺序。并且其他示例中的逻辑也相同。

我担心如何将这样的数据集划分为训练集和开发集。（暂时忽略测试集。）

替代1： 假设前三个样本构成了训练集，接下来的两个样本构成了开发集，如下所示。

火车套：

f1  f2  f3  f4  target
1   2   3   4     5
2   3   4   5     6
3   4   5   6     7

开发设置：

f1  f2  f3  f4  target
4   5   6   7     8
5   6   7   8     9

我的担心是：如果您查看最后一个训练集样本（[3，4，5，6]，7）和第一个开发集样本（[4，5，6，7]，8），将看到3个输入步骤相同。（并且即使是其他开发人员集样本也存在类似的问题。）

问题1：这是某些输入步骤相同的问题吗？还是可以说这并不重要，因为（1）即使输入步长相同，它们也会在序列的不同步中使用，并且（2）每个序列示例的目标值仍然不同。

第二季度：存在上述问题，应该如何创建测试集？

Answer 1

是的，没关系，因为它们的时间步长不同，而且顺序也不相同。他们也有不同的目标。因此，如果您对模型进行了很好的训练，那么您的模型肯定应该学会预测下一个角色。