machine-learning - 如何处理不代表数量的数字

Question

这是我的例子:

我有一家卖二手车的大商店。我想编写一个可以预测 future 汽车销售的程序。我想用人工神经网络来分析历史数据并解决这个问题。有多年销售历史。

网络输入:

• 制造年份
• 制造
• 颜色
• 传输
• 英里
• 价格

(简单点。)

网络输出:停留在市场的天数。

当我尝试设计神经网络时很快就发现了一个问题。变量颜色、制造和传输与其他 3 个变量不同。假设总共有 3 种颜色:白色、黑色和红色。3个制造商:丰田、福特、奔驰。3种变速箱:手动、自动和CVT。

好的，由于“颜色”不是数字，因此我无法将“颜色”变量输入为整数。将其作为字符串输入看起来也不是一个好主意。所以，我决定给每种颜色一个“id”。白色为 0，黑色为 1，红色为 2。然而，红色并不是黑色的两倍，红色也不比白色更接近黑色……制造和传输同样存在问题。

如何让神经网络知道这个整数代表一个 ID，而不是连续的数字或数量？最好使用一些简单的代码。

Answer 1

这就是我们所说的分类变量，避免您描述的问题(红色不是黑色的两倍)的典型方法之一是使用one hot编码，因此对于具有 K 个可能值的变量，您可以将其编码为 K 位长的二进制表示形式，例如:

v = {red, black, white}

导致

red -> [1 0 0]
black->[0 1 0]
white->[0 0 1]

等等。所以你有二元逻辑特征“这个物体是红色的吗？”等等。