我在尝试使用Keras和TensorFlow的LSTM网络进行外汇预测。我当然希望它能训练多天的交易数据，但这样做我需要提供有大跳跃和市场关闭时无运动阶段的顺序数据…这不是理想的，因为这些跳跃和无运动阶段会让模型“困惑”。另一种方法是我可以使用一天的分钟数据，但这样我的训练数据时间非常有限，模型的效果不会很好。
你有解决这个问题的想法吗？这是我当前的代码：
谢谢
回答：
如果你计划将多个数据集作为数据片段顺序拟合，可以尝试以下方法：
for _ in range(10):#以某种方式将数据切割成片段，并逐一拟合
model.fit(data_slice, label_slice ......)因为对fit的连续调用会逐步训练单一模型。
