问非数字数据在神经网络中的应用
EN

Stack Overflow用户

提问于 2018-07-05 16:16:03

回答 1查看 1.5K关注 0票数 2

我想在我的神经网络中包括非数字数据。具体来说，我正在研究GICS行业分类(例如，公用事业、技术)。我不认为这些数据能被有意义地转换成数字数据。

一种解决方案是使用一个虚拟变量来标记每个行业。该方法的局限性在于神经网络输入层的膨胀维数。是否有更复杂的方法来处理这类问题？

回答已采纳

发布于 2018-07-05 16:25:52

你是完全正确的，字符串或顺序数值{'utilities': 0, 'technology': 1}不会在神经网络中工作，因为网络将学会检测字符或数字之间不存在的关系。

为了避免这种情况，我们使用了名为一次热编码的东西。这是一种将每个范畴变量编码为状态向量的技术，从而消除了范畴值之间存在某种隐含关系的假设。

使用数组['Utilities', 'Technology']，您的一个热编码将类似于：gics = [[1,0],[0,1]]

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/51195939

复制

相似问题

问非数字数据在神经网络中的应用EN