Machine learning 人工神经网络能处理数学集合吗？

我知道使用神经网络处理任何与文本相关的内容都很困难，因为它们在处理非数字输入数据时存在问题。 但我不确定数学集合。一套套一套

比如[0,1,2]和[3,4,5]或者[0,1]，[2,3]]和[4,5]，[6,7]]

应该可以通过计算所有对应元素之间的距离来计算这些元素之间的距离，对吗？我真的找不到这方面的任何信息，也不想在不确定的情况下开始使用神经网络

用“set”在谷歌上搜索任何东西都不太可能，因为你得到的结果就是“data set”一词

编辑：

第一：作业特别要求使用神经网络，所以我不能使用k-means或任何其他聚类方法

所以最初的问题并没有真正解决实际问题。我不必考虑距离度量，而是考虑一种将集合添加到激活函数的方法，以及如何将它们映射到单个值的方法。但是，关于距离度量，我实际上不确定神经网络的哪个点需要它。。我想这是一个基本的理解问题

我现在就写下一些想法

让我困惑的是分类的标准化。有三个类别“红色”、“绿色”和“蓝色”，你可以将它们映射到数字1到3，但这意味着“红色”与“蓝色”的距离要比“绿色”大，事实并非如此。因此类别被编码为1，0，0和0，1，0和0，0，1，这给了它们相同的距离

因此，一定有可能以某种方式将其添加到激活函数中。我可以想象它们被解释为二进制数，因此1,0,0=100=4,0,1,0=010=2和0,0,1=001=1。这将是一个独特的映射。但是数字1到3不同于，因此如上所述，距离度量在某些点上必须是必要的

---

因此，问题仍然是如何将集合映射到单个值。在将其添加到函数之前，我可以这样做，因此我不必选择同时保持集合之间逻辑距离的映射，因为在应用距离度量时，我仍然可以将其应用到原始集合，而不必使用映射值。对吗？还是我还缺少什么

一般来说，神经网络没有这样的问题。图像识别和语言翻译是它们各自的领域。你需要的是量度和操作，以一种有序的方式将你的输入与地面真相联系起来——你的距离量度会做得很好

---

继续，建立你的神经网络。为其提供适当的距离功能，并让其进行训练。在完全放松操作之前，一定要加入一些跟踪工具，例如打印语句来跟踪操作几次。

计算集合之间的距离是否就是目标？因为有很多方法可以做到这一点，这取决于你如何定义它，但是一旦你定义了你的距离度量，就不需要机器学习了；你可以直接计算。如果这不是目标，那是什么？几乎可以肯定，有一种方法可以对数据进行编码，与您所听到的相反，对文本数据进行编码也非常简单，但这取决于问题描述。聚类是目标。。我想我的问题实际上是激活函数。我需要将这些集合映射到简单的值，然后添加到计算中，对吗？或者是否有一个激活函数可以将集合作为输入向量的一部分进行处理？或者我应该在开始时更改输入向量的格式？所以4，5.2，[1，0]变成了4，5.2，1，0？那样把布景放得更重要似乎是不对的。。对于这些基本的问题我很抱歉，但我对这一点一无所知，无法找到令人满意的答案。如果你想使用神经网络，你需要找到某种方法将你的输入映射到向量上。这种特殊的方法是否理想取决于区分{1,0}和{1,0}的重要性。我认为，如果你编辑了这个问题，让它更详细地说明这些集合到底代表什么，以及为什么要对它们进行聚类，这会有所帮助。可能是一些您希望聚集在一起的集合的示例。例如，{0,1,2}与{0,1}或{0}、{1}、{2}更相似吗？一旦我们有了这类信息，我们就可以给出如何继续的建议……继续创建一个到输入向量的映射，这样你就可以使用神经网络或正式的距离度量，这样你就可以使用另一种聚类算法，如K-均值或层次聚类。只要你试着自己去研究，就不必为一些基本的问题道歉。无论如何，这可能不像你想的那么基本。即使有经验，有时也很难找到好的编码。