Neural network 在应用逻辑回归时选择要标准化的变量

假设数据集包含连续的独立变量和二进制变量。通常，标签/结果列被转换为一个热向量，而连续变量可以标准化。但是二进制变量需要应用什么呢

年龄种族性别神经情绪 十五点九五三四六零零三一 十四点五七零八四一一零零 十五点八一九三一零零零 十五点五九七五四零一零零

---

这如何适用于逻辑回归和神经网络？

如果连续值的范围很小，则将其编码为二进制形式，并使用该二进制形式的每一位作为预测值。 例如，二进制中的数字2=10。 所以

预测器\u位\u 0=0

预测器\u位\u 1=1

---

试试看它是否有效。只是提醒您，这种方法非常主观，可能会也可能不会对您的数据产生好的结果。如果我能找到更好的解决方案，我会随时通知你的

我不认为这能回答我的问题，因为连续变量在最大值和最小值之间相差很大，需要标准化。我已经清楚地提到了需要对二进制变量（只有两个结果的变量，比如0或1）做些什么，我是仅仅使用它们还是需要执行类似的操作，比如规范化？好的，那么你可能想对我发布的解决方案进行反向工程。只需将二进制预测器组合成连续预测器。例如，对于race=1、gender=0和emot=1、x=1：组合形成一个二进制数，其中每个位代表一个预测器。上述示例的组合预测值为1011（二进制）=11（十进制）。您可以按原样使用此预测器，也可以将其正常化。 AGE RACE GENDER NEURO EMOT 15.95346 0 0 3 1 14.57084 1 1 0 0 15.8193 1 0 0 0 15.59754 0 1 0 0