以jupyter为平台，利用python实现对墨尔本10年气候变化数据集的特征处理，然后并利用机器学习模型进行训练以及对原始数据集的拟合，最后来评价那种模型的拟合效果最佳。（提供了相关数据集）

时间序列数据广泛存在于量化交易， 回归预测等机器学习应用， 是最常见的数据类型。所以这里通过墨尔本十年气温变化预测的任务来整理一个时间序列数据挖掘的模板，方便以后查阅方便。这个模板可以用在大部分的时间序列预测任务，从股票价格波动，到四季气温变化， 从大桥沉降预测，到城市用电预警等。 通过本模板，可以掌握sklearn中常用的工具包以及深度神经网络的搭建Keras，能够学习到处理时间序列的方式，里边还包含了大量的数据可视化的套路。