为何直接用训练测试数据拟合LSTM模型比TimeseriesGenerator精度更高？

我在构建时间序列预测模型时发现，直接使用x_train和y_train拟合模型的输出精度远高于使用TimeseriesGenerator生成的训练/测试生成器的方式。具体实验结果：

• 直接拟合的RMSE：6.3454423
• 生成器拟合的RMSE：13.4363478

相关代码 #

数据拆分代码

x_train, x_test, y_train, y_test = train_test_split(features, target, test_size=0.2, random_state=123, shuffle=False)

生成器创建代码

train_generator = TimeseriesGenerator(x_train, y_train, length= win_length, sampling_rate=1, batch_size=batch_size)
test_generator = TimeseriesGenerator(x_test, y_test, length= win_length, sampling_rate=1, batch_size=batch_size)

直接拟合模型代码

# Fitting the model
model.fit(x_train, y_train, batch_size= 16, epochs = 34, shuffle = False)

生成器拟合模型代码

model.fit_generator(train_generator, epochs = 34,
        validation_data = test_generator,
        shuffle= False)

精度差异的核心原因 #

• 输入维度与模型结构不匹配
  直接拟合时，模型接收的是原始特征维度的数据（比如形状(num_samples, n_features)）；而TimeseriesGenerator会将输入转换为滑动窗口格式，输出的每个batch形状为(batch_size, win_length, n_features)。如果你的模型输入层是针对原始特征设计的（比如没有处理时间步的Dense层），生成器的输入维度会完全不符合模型预期，导致模型无法正确学习特征模式，精度暴跌。

• 训练样本量与分布的差异
  TimeseriesGenerator生成的有效训练样本数为len(x_train) - win_length，比直接拟合的全量样本少了win_length个。如果win_length数值较大，训练数据集规模会大幅缩减，模型学习的信息不足。此外，滑动窗口会让每个原始样本（除前win_length个）被包含在多个窗口中，样本分布和独立性发生变化，在shuffle=False的情况下，这种顺序性的重复采样可能让模型学习到错误的时间依赖关系。

• 验证集的评估逻辑完全不同
  直接拟合后，你用x_test和y_test计算的是每个测试样本对应标签的预测误差；而test_generator生成的验证样本，是基于x_test的滑动窗口，预测的是每个窗口之后的下一个y值。这两种RMSE的计算对象完全不一样——前者是单样本预测，后者是基于历史窗口的下一步预测，后者的任务难度本身更高，误差自然更大。

• batch_size与训练过程的差异
  直接拟合用的batch_size=16，而生成器使用的batch_size变量如果和16不同，会影响权重更新的频率和稳定性。比如batch_size过大时，权重更新次数减少，学习效率降低；过小时，更新噪声大，模型收敛不稳定。另外，生成器的batch生成逻辑和直接输入的batch拆分逻辑不同，每个epoch内模型看到的样本顺序或重复次数有差异，也会影响最终收敛效果。

内容的提问来源于stack exchange，提问作者Krunal Jani