假设我有一个数据集，由于Kaggle笔记本环境的限制，我决定将一个大的数据集分割成 "块"；A、B和C。如果我按以下方式训练模型，会不会有什么不同。
A ---> 10个纪元.
B--> 10个时代
C--> 10个时代
与这种方法相比。
此外，如果有区别，我认为有，但不确定，那么一种方法是否比另一种方法更好？
对于机器学习来说，基本上你要把所有的训练数据全部放在一起，这样你的模型就不会遗漏任何一个数据集所包含的模式。而我想说的是，在你训练你的模型之前，还有一个很大的步骤，那就是 洗牌. 想象一下，你被要求一直做纯数学，突然老师把你放在一道地理题面前，让你去解，你会有点不知所措，机器也是一样的! 所以一定要用所有的数据来训练你的模型，如果你的A-->B-->C[Epoch 1]是一个洗牌数据，那就好办了，还是要洗牌。