使用深度学习的无监督预测，LSTM，简单数据集

gwal_p

亲爱的rapidminer用户:
我目前正在用LSTM预测时间沉降。我遵循了LSTM的教程流程。”航空公司乘客回归，并将其应用到我的数据中进行预测，遇到了一些问题。

1.运营商的时间序列到张量“不允许”缺失值＇．
-我项目的重点是预测未来的结算。我之前在我过去的项目中使用过简单的神经网络，并通过添加“未来”来预测定居点。日期，对应的结算数据为缺失的数据以神经网络作为测试数据。所以，我尝试了同样的方法到LSTM，失败了。我只在LSTM的监督学习中取得了成功…
->是否有可能实现 缺失值 到张量算子?…它对无监督学习有帮助吗?

2.有没有其他方法来预测无监督LSTM的未来价值？
-听起来像一个愚蠢的问题，但我就是不知道怎么做。教程过程”航空公司乘客回归只显示了监督学习的结果，而不是对未来的预测。

我对数据科学非常陌生，对编码的了乐鱼平台进入解不多，所以如果通过Rapidminer进行LSTM预测超出了我的能力，我将不得不为我的项目寻找其他方法。我附上了它的excel文件和图片，以便解释。

如果能帮忙就太好了，谢谢!

jacobcybulski

在将时间序列转换为张量之前，最好先处理它们中的缺失值。对于时间序列，您不能使用正常的插入或替换平均模型。相反，您需要在时间序列中通过插值来“创建”缺失的数据。为此，您可以使用“均衡数字索引”或“均衡时间戳”。当涉及到LSTM时，我们主要将它们用于预测。然而，lstm确实不知道它们自己的目的是什么，因此您可以在无监督模型中使用它们。例如，您可以使用LSTM作为Autoencoder的一部分，从而拥有集群系统或时间序列数据压缩等。不幸的是，要创建一个LSTM自动编码器，你必须使用Python或Java作为深度学习扩展，你不能从你的深度模型输出一个张量。可能在不久的将来!