强混合和忽视混合都不好，需要根据具体情况来定。

因为在某些情况下，强混合可以有效地提高模型的性能，但有时候也会使模型过度拟合。此外，忽视混合过程也会丢失重要信息，导致模型性能下降。所以需要在具体情况下进行选择。 如果数据集特征非常明显、噪声较小，则可以选择强混合；如果数据集噪声较大，但重要特征比较少，则可以考虑忽略混合。需要综合考虑多个因素来进行选择。