C# 神经网络/机器学习，如何将数据转化为数字？

我不知道该怎么问，但事情是这样的。所以我一直在努力理解机器学习和神经网络的使用

我有一个用C#学习神经网络的简单例子。 我理解代码在这一点上的作用，它非常简单，我有一个“Patterns.csv”文件。 它包括： x输入，y输入，0或1表示是或否

0.11, 0.82, 0
0.13, 0.17, 0
0.20, 0.81, 0
0.21, 0.57, 1
0.25, 0.52, 1
0.26, 0.48, 1

此Patterns.csv用于训练网络，因此如果我手动输入simular x和y输入，它将给出与我有多少个模式相关的1或0

现在我的问题是如何将实际数据转换为x和y输入？使用图像，或者甚至是使用字符串的简单垃圾邮件过滤器？我真的不明白如何将实际数据转换成两个浮点数

我假设这将是使用这个简单的神经网络示例的正确方法。如果有人有任何想法或解释，或者有一个很酷的方法，请随时发布任何相关信息，谢谢

这篇文章包含了所谓的“数据规范化”的基本算法

您需要做的是像这样转换数据

Lives in | IsMarried
Chicago  | 1
New York | 1
New York | 0
...

进入：

我打赌还有其他技术，但这是我们在本学期的有监督机器学习课程中使用的技术

一旦有了这个标准化矩阵，就可以使用任何聚类/机器学习算法

还有一个例子解释了为什么需要这种编码/规范化

那为什么不把芝加哥换成0，把纽约换成1，等等

---

这不是一个好主意，因为一些机器学习算法将不同的值处理为“距离”。因此，芝加哥（0）和纽约（1）（距离为1）不会获得与纽约和第100个城市（距离为99）相同的“不相似性评级”

您搜索的关键字是encode。有一篇好文章：

这很好地解释了这个概念。下面是一个摘录，展示了一个有助于培训的技巧：

独立分类数据的一个例子是预测变量 社区，可以采用“郊区”、“农村”或“城市”的价值观 这样的数据我建议使用通常被称为1-of-（C-1）效应的方法 编码。编码的效果并不明显，最好用 例如：

Chicago | New York | IsMarried
1       | 0        | 1
0       | 1        | 1
0       | 1        | 0
...

   suburban = [ 0.0,  0.0,  1.0] 
   rural    = [ 0.0,  1.0,  0.0] 
   city     = [-1.0, -1.0, -1.0]