这里有一个一般性的问题，也许有人可以为我指明正确的方向。
我正在使用Python 3.6/Tensorflow进行强化学习，我发现/调整了自己的模型，以便根据特定股票的历史数据进行训练。我的问题是，有可能在不止一只股票的数据集上训练这个模型吗？我读过的每一篇关于时间序列预测和RL的机器学习文章都使用一个数据集进行训练和测试，但我的目标是在一堆不同价格的股票行情机上训练一个模型，希望该模型能够识别出类似的价格模式，而不考虑价格或股票行情机，这样我就可以将训练后的模型应用于新的数据集，它就会起作用。
现在，它在一个股票行情器上训练，它是价格，但当我试图添加一个新的数据集进行额外的训练时，它的表现很糟糕，因为它不知道新的价格，如果这有道理的话。
这是一个基本问题，我不一定期望得到一个编码的答案，只是在某个地方我可以学习如何使用多个数据集训练模型。如果有什么帮助的话，我正在使用OpenAI健身房环境。
谢谢！
我认为，在所有数据集上，使用与上一次关闭相比的%更改来规范数据集可能是一个良好的开端。这样一来，任何价格的股票似乎都正常化了。