Avons-nous besoin de régler le même modèle différemment pour différentes tailles de fenêtres dans la classification des données de séries chronologiques?

Question

Je travaille actuellement sur le problème de classification des données de séries chronologiques en utilisant l'apprentissage en profondeur. Comme nous le savons tous qu'en séries chronologiques, nous traitons séquentiellement les données de la série chronologique pendant quelques étapes à la fois à travers le modèle qui est appelé comme fenêtre. Nous glissons à nouveau la fenêtre et la fenêtre suivante est à nouveau notre entrée. Depuis que je viens de commencer à travailler dans le domaine de l'apprentissage en profondeur et des séries chronologiques, ma question est de savoir si nous réglons un modèle d'apprentissage en profondeur pour une taille de fenêtre, disons 10 alors que le même modèle réglé devrait être utilisé pour obtenir les précisions proches pour une fenêtre différente différente (disons 15) Sur les mêmes données ou le modèle doit être réglé à nouveau pour cette dernière fenêtre.

Actuellement, si j'utilise le même modèle pour une fenêtre différente, je fais diminuer la précision de 4 à 5% par rapport à la fenêtre précédente. À partir de cela, je crois que la taille de la fenêtre est à nouveau un hyperparamètre qui, lorsqu'il est modifié, nécessite que le modèle soit à nouveau réglé.

Alors, quelle est la bonne chose dans ce cas? Doit-il être utilisé le même modèle ou devrait-il être réglé à nouveau? J'ai essayé de rechercher cela en ligne mais je n'ai pas pu obtenir d'aide à ce sujet. L'aide est appréciée car je suis nouveau dans ce domaine.