Neural network 有意义值的神经网络输入和输出

我试图确定如何将我的“有意义的输入”转化为人工神经网络的数据，以及如何将输出转化为“有意义的输出”

我总能看到这样做的方式，就是用二进制值将所有内容转换为类别

---

例如，与输出年龄不同，将的值设为0-1是正确的，称为离散化。另一种方法是将连续输入/输出缩放到0-1范围。对于头发颜色的另一个示例，这是一个名义属性，因此唯一的实际选择是将其离散化为每种颜色的单独输入。

我认为可能是这样。我根据输入数据来衡量年龄，但对于头发颜色等问题，我很高兴至少有一个人看到了与我相同的解决方案。：）（但知道正确的术语：））事实上，我一直在思考这个问题，我不确定是否要调整年龄。如果我理解正确，缩放将无法处理不寻常的峰值（例如20岁左右的峰值和40岁左右的另一个峰值，中间有一个倾斜）。这是对离散化的另一种呼吁吗？有不同的方法来衡量连续值。我认为线性缩放可以保留“峰值”，但你必须为你的年龄设定一个界限。例如，您可以将最低年龄设置为0（出于明显的原因），将最高年龄设置为100岁，这样50岁将变为0.5岁。如果使用对数缩放，则无需设置显式边界，但您的分布可能会扭曲，使NN更难理解它。只需补充一点，这也称为“装箱”，因为您将值放入“装箱”中，并且通常用于图像处理，因此，您可能可以从图像处理库中获得一些源代码示例。