如何在 Tensorflow 中拆分 LSTM 的训练数据和测试数据以进行时间序列预测

我最近从https://github.com/Hvass-Labs/TensorFlow-Tutorials/blob/master/23_Time-Series-Prediction.ipynb学习了用于时间序列预测的 LSTM

在他的教程中，他说：我们将使用以下函数创建一批从训练数据中随机选取的较短子序列，而不是在近 30 万个观察的完整序列上训练循环神经网络。

def batch_generator(batch_size, sequence_length):
"""
Generator function for creating random batches of training-data.
"""

# Infinite loop.
while True:
    # Allocate a new array for the batch of input-signals.
    x_shape = (batch_size, sequence_length, num_x_signals)
    x_batch = np.zeros(shape=x_shape, dtype=np.float16)

    # Allocate a new array for the batch of output-signals.
    y_shape = (batch_size, sequence_length, num_y_signals)
    y_batch = np.zeros(shape=y_shape, dtype=np.float16)

    # Fill the batch with random sequences of data.
    for i in range(batch_size):
        # Get a random start-index.
        # This points somewhere into the training-data.
        idx = np.random.randint(num_train - sequence_length)

        # Copy the sequences of data starting at this index.
        x_batch[i] = x_train_scaled[idx:idx+sequence_length]
        y_batch[i] = y_train_scaled[idx:idx+sequence_length]

    yield (x_batch, y_batch)

他尝试创建几个用于训练的浴室样本。

我的问题是，我们可以先随机穿梭x_train_scaled和y_train_scaled，然后开始使用 follow 对几个批量大小进行采样batch_generator吗？

我提出这个问题的动机是，对于时间序列预测，我们希望训练过去并预测未来。因此，穿梭训练样本是否合法？

在教程中，作者选择了一段连续的样本如

x_batch[i] = x_train_scaled[idx:idx+sequence_length]
y_batch[i] = y_train_scaled[idx:idx+sequence_length]

我们可以选择x_batch而y_batch不是连续的。例如，取件x_batch[0]时间10:00am和x_batch[1]取件9:00am时间是同一天？

总结：以下两个问题是

(1) 我们可以先随机穿梭x_train_scaled和y_train_scaled，然后使用以下开始采样几个批量大小batch_generator吗？

（2）我们训练LSTM的时候，需要考虑时间顺序的影响吗？我们为 LSTM 学习了哪些参数。

谢谢