artificial-intelligence - 神经网络的标称值输入

Question

我有一组训练数据，该组中的每个项目由 4 个数值和 1 个标称值组成，标称值是计算这些值的方法的名称。 (共有8种方法)

我正在用这些训练神经网络。为了摆脱标称值，我简单地为每种方法分配一个从 1 到 8 的值，并使用一个输入将其传递给神经网络，并使用 4 个其他输入作为数值。这是可行的，但结果并不像我想要的那么令人惊奇。

所以我的问题是，这可能是因为将数字简单地分配给标称值吗？或者可能是因为混合了两种不同类别的输入，这些输入实际上并不处于同一级别(数字和方法类型)

Answer 1

作为一般说明，对标称值进行编码的更好方法是二进制向量。在您的例子中，除了 4 个连续值输入之外，您还有 8 个二进制输入神经元，其中只有 1 个被激活 (1)，其他 7 个处于非事件状态。

您的做法意味着计算方法之间存在人为关系，这几乎肯定是人为的。例如，1 和 2 在数值上(从网络的角度来看!)比 1 和 8 更接近。但是方法 nr. 1 和 2 真的比方法 1 和 8 更相似或相关吗？