我加载了一个包含数值和有限文本值的2000个实例的巨大CSV文件（某些属性的值为'是''否''可能'。以上数据是使用Matlab中的readtable导入的。 我想在上述数据上训练神经网络。
我使用了神经网络gui，我无法将新表视为加载数据的选项之一。
因此，我计划为每个属性的文本值分配特定的数值（每个'是'将为1，每个'否'将为0）并使其成为矩阵，以便GUI识别我的数据。 / p>
或者是否有更好的方法来训练上述数据的神经网络。
答案 0 :(得分：0)
您的想法不仅是正确的方法，而且是唯一的方法。神经网络使用数字，因此必须将名义值映射到数字以使其起作用。但是，您应该注意一件事：输入形式和间隔的每个属性的范围。如果您规范化属性，则范围无关紧要。因此，如果您有/否，您可以将它们映射到0 / 1,1 / 0或-100/200。没关系，因为它们是它们形成的区间的两端。
但是，通常名义值形成一个范围。在这种情况下，您创建的数值的排序应保留标称值的顺序。所以在你的情况下，如果你有“no / maybe / yes”，它们应该映射到[1,2,3]或[-1,0,1]或[100,0，-100]或其他任何东西保留订购。但是，如果您使用映射[no-＆gt; 0，yes-＆gt; 1，maybe-＆gt; 2]，则网络无法将名义排序正确映射到数字区间，因此该属性会将错误信息提供给网络
答案 1 :(得分：0)
警告：如果您在名义上有两个以上的选项并且您不知道它们是如何分配的，那么只有在该类中假设线性趋势时，-1,0,1才可行。我的意思是，＆＃34;也许＆＃34;是和＃34;是＆＃34;并且没有＆＃34;。如果不能，则创建3个二进制变量更为可行（＆＃34;是＆＃34;，＆＃34;不＆＃34;和＆＃34;可能＆＃34;）。