我正在尝试使用 LSTM 网络通过 Keras 和 Tensorflow 进行外汇预测。
我当然希望它能够在很多天的交易中进行训练,但要做到这一点,我必须给它提供具有大跳跃和无运动阶段的连续数据......当市场收盘时......这并不理想,因为它变得由于这些跳跃和没有运动的阶段而“困惑”。或者,我可以使用一天的每分钟数据,但这样我的训练数据时间非常有限,并且模型不会很好。
您有关于如何解决此问题的想法吗?
这是我当前的代码:
CODE https://de.scribd.com/document/382021571/Minutely
Thanks
如果您计划将多个数据集按顺序拟合为数据切片,则可以使用以下方法:
for _ in range(10):
#somehow cut the data into slices and fit them one by one
model.fit(data_slice, label_slice ......)
随着连续调用fit将逐步训练单个模型。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)