假设我们有以下数据集，其中’s’表示’step’（步骤）。

f1  f2  f3  f4  target1   2   3   4     52   3   4   5     63   4   5   6     74   5   6   7     85   6   7   8     9

模型包含4个（时间）步骤。并且它会输出一个单一的数字作为输出（目标）。在第一个样本中，步骤1的输入是1，步骤2的输入是2，步骤3的输入是3，步骤4的输入是4。我们将训练一个序列模型（使用RNN、LSTM或其他），然后对于这个特定序列，它将输出“5”。其他样本的逻辑也是相同的。

我关心的是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。）

方案1:假设前3个样本组成训练集，后2个样本组成开发集，如下所示。

训练集:

f1  f2  f3  f4  target1   2   3   4     52   3   4   5     63   4   5   6     7

开发集:

f1  f2  f3  f4  target4   5   6   7     85   6   7   8     9

我的担忧是：如果你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），你会发现有3个输入步骤是相同的。（即使是其他开发集样本也有类似的问题。）

问题1: 有些输入步骤相同是否会造成问题？还是我们可以说这不重要，因为（1）即使输入步骤相同，它们在序列的不同步骤中使用，并且（2）每个序列示例的目标值仍然不同。

问题2: 关于上述问题，测试集应该如何创建？

回答：

是的，这不重要，因为它们处于不同的时间步骤，而且序列并不相同。它们也有不同的目标。因此，如果你很好地训练你的模型，它应该能够学会预测下一个字符。