Machine learning 创建神经网络输入时遇到问题

我目前正在研究一个神经网络，输入中应该有N个参数。每个参数可以有M个不同的值（离散值），比如{A，B，C，…，M}。它还具有离散的输出数量

---

我如何从这种情况中创建输入？我应该有N×M个输入（值为0或1），还是应该考虑另一种方法？

您可以有

NxM

布尔输入或

N

输入，其中每个输入都是从

0

到

1

的浮点值。在后一种情况下，浮点值为：

{A/M，B/M，C/M，…1}

。例如，如果有4个输入，每个输入都有离散值：

{1,2,3,4}

，则可以将域值更改为

{0.25,0.50,0.75,1.00}

---

实际上，有很多方法可以对输入进行编码，但是当我的输入位于域

[0,1]

中时，我发现了更好的结果（因为有一些ML函数期望这样）。

当将离散值视为不同的浮点数时，它会在每个值之间创建“关系”吗？例如，A比K更像B。是的，它会。如果这不是我们想要的或者会带来问题，那么

NxM

booleans是一个更好的选择。谢谢你的回答。是的，所有离散值保持独立是很重要的。我将尝试NxM方法。谢谢