Python 多元LSTM向前走拟合

我有一个LSTM模型，该模型在每日多特征数据集上进行训练，并预测未来某一天目标特征的值

当新数据可用时，我应该如何每天重新训练模型？我是否应该使用完整的数据集（每天更新）重新运行

model.fit

，如下面的示例所示

model.fit(x_train, y_train, epochs=50, batch_size=20, 
          validation_data=(x_test, y_test), verbose=2, shuffle=False)

或者我可以调用

model.fit

仅使用新可用的数据

# run at the beggining once
model.fit(x_train, y_train, epochs=50, batch_size=20, 
          validation_data=(x_test, y_test), verbose=2, shuffle=False)
# run every day as the new data gets available.
model.fit(x_yesterday, x_yesterday)

---

假设您使用的是Keras，我会使用

train\u on\u batch

请参见前一个问题的答案：

假设您使用的是Keras，我会使用

train\u on\u batch

请参见前一个问题的答案：