以下是我的例子：
我有一家卖二手车的大商店。 我想编写一个可以预测未来汽车销售的程序。 我想用人工神经网络来分析历史数据并解决这个问题。 有多年的销售历史。
网络输入：
（说实话吧。）
网络输出：数天留在市场。
当我尝试设计神经网络时，我很快就发现了一个问题。 变量颜色，制造和传输与其他3个变量不同。 让我们说共有3种颜色：白色，黑色和红色。 3制造：丰田，福特和奔驰。 3传动：手动，自动和CVT。
好的，因为＆＃34;颜色＆＃34;不是数字，我不能输入＆＃34;颜色＆＃34;变量为整数。 将它作为字符串输入也看起来不是一个好主意。 所以，我决定给每种颜色一个＆＃34; id＆＃34;。白色为0，黑色为1，红色为2。 然而，红色不是黑色的两倍，红色不比白色更接近黑色...... 制造和传输也存在同样的问题。
我怎样才能让神经网络知道这个整数意味着一个ID，而不是连续的数字或数量？使用一些简单的代码更好。
答案 0 :(得分：3)
我们称之为分类变量，并且避免您描述的问题（红色不是黑色的两倍）的典型方法之一是使用一个热编码，因此对于具有K个可能值的变量，您将其编码为K位长二进制表示，如：
v = {red, black, white}
导致
red -> [1 0 0]
black->[0 1 0]
white->[0 0 1]
等等。所以你有二进制的逻辑特征＆＃34;这个对象是红色的吗？＆＃34;等等。