不输入特征值根据已有数据预测未来值的神经网络

这种神经网络被称为无监督学习的神经网络，其中没有对模型进行标记或分类的监督。在这种情况下，网络被训练来自动识别数据集中的模式和结构，并用这些信息来进行预测。其中一种常见的无监督学习算法是自编码器，它可以用于数据压缩和降维，也可以用于生成新的数据。另一种无监督学习算法是K均值聚类，它可以用于从数据集中发现群组或聚类。

相关问题

lstm神经网络必须输入特征值之后才能预测未来值吗

是的，LSTM神经网络需要输入特征值才能进行未来值的预测。LSTM是一种常用于序列数据建模的神经网络模型，它可以通过学习序列数据的规律，来对未来的数据进行预测。在进行模型训练时，需要将序列数据分成训练集和测试集，并将训练集中的序列数据作为模型的输入特征，测试集中的序列数据作为模型预测的目标值。在模型训练完成后，需要输入新的特征值，以便模型能够预测未来值。因此，特征值也是LSTM神经网络进行预测的必要条件。

神经网络当中特征值含有布尔型数据应该如何设置输入值

如果神经网络的输入包含布尔型数据，可以将其转换为0或1的数字。例如，如果某个特征是是否为男性，可以将其转换为0或1，其中0表示女性，1表示男性。同样地，如果特征是是否为真或假，可以将其转换为0或1，其中0表示假，1表示真。这样，神经网络就可以接受数字输入，并进行训练和预测。在预测时，输出值可以根据需要进行后处理，例如将输出值大于0.5的视为真，输出值小于等于0.5的视为假。