Machine learning 神经网络的网球比赛输入表示

我有一个网球比赛的列表，上面有时间、场地、场地、胜负排名、胜负比赛等信息。我计划用这些信息（使用PyBrain）训练一个MLP网络，并将其映射到一个输出——如果第一名球员是胜利者，则为1.0，否则为0.0。目标是预测未来的比赛（其中一些输入将是未定义的）

---

每个玩家由一个整数标识。有100多名球员。我想知道我是否可以用这些整数直接表示玩家，我是应该使用十进制（即除以100）还是应该使用二进制表示？这有关系吗？

我不太确定球员的号码如何表示是否有关系

我假设神经网络将根据时间、场地、场地、等级等进行训练，而不是根据球员编号进行训练，因此球员ID可能独立于算法

---

听起来你有一个包含球员及其历史表现和排名以及比赛时间表的数据结构。因此，玩家和时间表信息很可能作为神经网络的参数输入，但玩家ID将是控制评估过程的外部参数。如果这是真的，那么如何实现这一点取决于您的评估算法，而不是神经网络。

谢谢。我想玩家id会影响结果，通过让网络代表哪些玩家在之前击败了哪些玩家。但也许这不是一个好主意，我应该只使用比赛统计数据——似乎在类似的场景中就是这样做的。