LSTM用于股票预测
库
使用到的库：Pandas库
一，数据处理
一，加载数据集
二，获取第六列数据，转成列表
三，对每一列数据做归一化处理.（MinMaxScaler）
MinMaxScaler作用是每一列，即每一维特征。将每一维特征线性地映射到指定的区间，通常是[0, 1]。MinMaxScaler计算数据集的汇总统计量，并产生一个MinMaxScalerModel。注意因为零值转换后可能变为非零值，所以即便为稀疏输入，输出也可能为稠密向量。
该模型可以将独立的特征的值转换到指定的范围内。
它也有两个参数可以设置：
- min: 默认为0。指定区间的下限。
- max: 默认为1。指定区间的上限。
二，LSTM网络
# create and fit the LSTM network, optimizer=adam, 25 neurons, dropout 0.1
# 创建并适应LSTM网络，优化器=adam, 25个神经元，dropout 0.1
model = Sequential()
model.add(LSTM(25, input_shape=(1, look_back)))
model.add(Dropout(0.1)) #损失值：0.1
model.add(Dense(1)) #全连接层，以(*,1)数组输出
model.compile(loss='mse', optimizer='adam')