为什么要合并 RNN/LSTM 的训练和测试数据以进行股票预测？

Question

我一直在按照本教程对 LSTM 模型的数据进行预处理

https://www.kdnuggets.com/2018/11/keras-long-short-term-memory-lstm-model-predict-stock-prices.html

并查看对测试数据的预处理，为什么它们会连接训练和测试数据？这不会造成数据泄露吗？

这是代码

dataset_total = pd.concat((dataset_train['Open'], dataset_test['Open']), axis = 0)
inputs = dataset_total[len(dataset_total) - len(dataset_test) - 60:].values
inputs = inputs.reshape(-1,1)
inputs = sc.transform(inputs)
X_test = []
for i in range(60, 76):
    X_test.append(inputs[i-60:i, 0])
X_test = np.array(X_test)
X_test = np.reshape(X_test, (X_test.shape[0], X_test.shape[1], 1))
predicted_stock_price = regressor.predict(X_test)
predicted_stock_price = sc.inverse_transform(predicted_stock_price)

如果我要预处理验证数据，我会做同样的事情并合并训练和验证数据吗？