前一章节，已作随机森林来预测股票价格，也是一种比较常见的方法，本章基于深度学习算法来处理时间序列，来预测股票未来的价格。LSTM是一种特殊类型的循环神经网络（RNN），在自然语言处理和时间序列数据分析等任务中取得了显著成果。LSTM通过处理序列数据中的长期依赖关系，能够更好地捕捉时间序列数据的特征和模式。这使得它成为预测股票价格这类时间相关数据的有力工具。关于LSTM 在之前的文章中也略作介绍。我

本文为kaggle机器学习中级课程 第四部分 Pipelines --A critical skill for deploying (and even testing) complex models with pre-processing.在本教程中，您将了解什么是管道，学习如何使用管道来优化建模代码。

本文为kaggle 深度学习初级课程 第四部分 Overfitting and Underfitting--Improve performance with extra capacity or early stopping.在本课中，我们将学习如何解释这些学习曲线，以及如何使用它们来指导模型开发。特别是，我们将检查学习曲线，寻找拟合不足和拟合过度的证据，并查看几种纠正策略。

本文为kaggle机器学习中级课程 第二部分 Missing ValuesMissing values happen.Be prepared for this common challenge in real datasets.缺失值的发生，为现实数据集中的这一常见挑战做好准备。本教程中，您将学习三种处理缺失值的方法。然后，您将在真实数据集上比较这些方法的有效性。

将下载的A股K线数据本地化，通过数据库方式进行保存。

机器学习入门课程，第三部分，Your First Machine Learning Model-- Building your first model. Hurray!

本文为kaggle机器学习中级课程 第三部分 Categorical Variables--There's a lot of non-numeric data out there. Here's how to use it for machine learning.在本教程中，您将了解什么是分类变量，以及处理此类数据的三种方法。

本文为kaggle机器学习中级课程 第七部分 Data Leakage --Find and fix this problem that ruins your model in subtle ways.在本教程中，您将了解什么是数据泄漏以及如何防止它。如果你不知道如何预防，泄漏会频繁出现，它会以微妙而危险的方式破坏你的模型。所以，这是数据科学家实践中最重要的概念之一。

本文为kaggle 深度学习初级课程 第一部分 A Single Neuron --Learn about linear units, the building blocks of deep learning. 本节介绍什么是深度学习？以线性单位示例！你就要学会开始构建自己的深度神经网络所需的一切。

本文 Keras 入门教程第四部分，本节利用卷积神经网络（CNN），对手写数字数据集 MNIST 做多分类建模。