數據來源：中國銀行官網
數據項：貨幣名稱【歐元】、匯率、時間
數據預處理圍繞四個方面展開：重復值、異常值、歸一化、缺失值
由于數據來源于官方網站，本身不存在缺失值及異常值，通過觀察樣本數據可知，數據的波動范圍在7.800~8.000之間【數據保存三位小數】，波動范圍較小，，所以不需要進行缺失值、異常值及歸一化處理。
【待思考】數據要不要進行重復值處理？？？【官網一天大概更新20次匯率，本身就有重復項，如果進行重復值處理，目的何在？？？】

關于測試集和訓練集的劃分：參考同類型論文【基于改進粒子群算法-高斯過程回歸模型的天然橡膠期貨價格預測研究、基于混合深度學習的股票價格指數滑窗預測】，訓練集和測試集的比例大概為3：1，于是我將2024年人民幣兌歐元匯率數據，按照月份劃分訓練集和測試集，1——9月為訓練集【大概3萬多條】，10——12為測試集【大概1萬多條】。

查看上述兩篇論文，他們在數據預處理環節，都用到了滑窗法：

還有就是關于模型的評價指標：