我正在使用 LSTM 网络尝试使用 Keras 和 Tensorflow 进行外汇预测。 我当然希望它在许多天的交易中进行训练,但要做到这一点,我必须给它连续的数据,其中有大的跳跃和没有移动的阶段......当市场关闭时......这并不理想由于这些跳跃和没有运动的阶段而“困惑”。或者我使用一天一分钟的数据,但这样我的训练数据时间非常有限,模型也不会很好。
您有解决此问题的想法吗? 这是我当前的代码:
谢谢
最佳答案
如果您计划按顺序将多个数据集拟合为数据切片,则类似这样的方法可行:
for _ in range(10):
#somehow cut the data into slices and fit them one by one
model.fit(data_slice, label_slice ......)
因为对 fit 的连续调用将逐步训练单个模型。
关于tensorflow - 如何在 Keras 中将多个数据集与一个模型一起使用?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50913520/