Python 除了序列外，如何考虑二进制变量？

我想给每个样本添加一个二进制变量x2来预测y。So:x1+x2=y

x1是一个向量序列，文档由一系列句子组成，x2只是一个二进制变量。y也是二进制的

直到现在，我只考虑X1来预测y使用KARA:

但是由于我的模型的输入是一个向量序列，我如何向我的模型中添加二进制变量x2来预测y

我考虑在每个序列向量的末尾添加二进制变量，例如seq_vec=[1,2,3]+binary_x2_I=[1]=new_seq=[1,2,3,1]，但我不知道这是否有意义。。因为每个样本i都包含二进制_x2_i

---

根据您的描述，样本i=[[1,2,3,1]，[4,5,6,1]，[7,8,9,1]。

理论上可能很重要，因为额外的x2特征（更好地说）出现了它的值。因此，您应该在由附加值表示的任何序列中添加该特性

如果序列中映射不同处理的值用0,1,2..n值描述，则n+1值将代表额外特征。 此外，您必须将最大_序列_长度增加1，以便为额外功能保留位置

因此，在最后，您的样品应如下所示：

sample_i = [[1,2,3],[4,5,6,10],[7,8,9]]

---

如果额外的功能发生在第二个序列中。

问题是，添加这些功能的确切目的是什么，以及二进制变量代表什么？假设文档x1是一份患者报告。我读了这份报告，看看是否能从报告中看出病人的健康状况。说好报告x1->患者健康y=1。现在，我也试着考虑其他变量X2。x2例：如果患者接受了某项治疗，x2=1他接受了，x2=0他没有接受。。或者如果他看见护士，或者没有看见当文档被编码为文档向量而不是由序列组成时，我被告知，我可以向向量添加另一个变量来表示x2；然后进行逻辑回归。。但我认为，如果使用softmax和单个神经元，您的输出将不好。您有什么建议？你认为，我应该对二进制y向量[1,0]，[0,1]进行热编码，并将最后一层设置为Dense2吗？实际上，在LSTM之后我有一个注意层

sample_i = [[1,2,3],[4,5,6,10],[7,8,9]]