神经网络分类数据实现
我一直在学习使用神经网络作为业余爱好项目,但是如何处理分类数据完全失败了.我阅读了文章http://visualstudiomagazine.com/articles/2013/07/01/neural-network-data-normalization-and-encoding.aspx,它解释了输入数据的规范化,并解释了如何使用效果预处理分类数据编码.我理解将类别分解为向量的概念,但不知道如何实际实现它.
例如,如果我使用国家作为分类数据(例如芬兰,泰国等),我是否会将结果向量处理为单个数字以馈送到单个输入,或者我将为每个组件提供单独的输入向量？在后者的情况下,如果有196个不同的国家,这意味着我只需要196个不同的输入来处理这个特定的数据.如果向网络提供了大量不同的分类数据,我可以看到它变得非常笨重.
有什么我想念的吗？分类数据究竟是如何映射到神经元输入的？
jor*_*nkg 28
神经网络输入
根据经验:不同的类和类别应该有自己的输入信号.
为什么你不能用一个输入编码它
由于神经网络通过激活函数对输入值起作用,因此较高的输入值将导致较高的激活输入.
较高的输入值将使神经元更容易发射.
只要你不想告诉网络Thailand是"更好"比Finland,那么你可能不编码国家输入信号InputValue(Finland) = 24, InputValue(Thailand) = 140.
它应该如何编码
每个国家都应该有自己的输入信号,这样它们对激活神经元的贡献相同.
- 您需要创建一个全新的网络. (3认同)
- 好答案。对于那些感兴趣的人，此技术称为[一次性]（https://en.wikipedia.org/wiki/一次性）编码。有几种工具，例如[Scikit]（http://scikit-learn.org/stable/modules/generation/sklearn.preprocessing.OneHotEncoder.html）或[Keras]（https://keras.io/ utils /＃to_categorical）内置方法，用于处理此类分类数据。 (2认同)
| 归档时间： |
|
| 查看次数： |
10381 次 |
| 最近记录： |