我正在努力建立一个神经网络，以帮助预测NBA球员一个赛季的整体幻想生产得分。我在每个赛季的职业生涯中所做的就是使用一组统计数据来得出那个赛季的总体生产分数。我想建立某种类型的回归模型，可以预测玩家未来三年的生产得分。
示例输入，其中每个阵列都是玩家的职业生产数字：
[22.3, 44, 33.1],
[10, 16.2, 42, 67, 54.3, 68.9, 62, 43, 12],
[45, 79, 58, 54, 42],
[12, 24],
[33, 67, 72, 80.3, 94.6, 74]
我见过的大多数神经网络都希望输入的功能数量相同，但在这种情况下，每个玩家根据他们玩了多少个赛季就会有不同数量的输入。我看到人们建议将丢失的数据值归零，但我不想这样做，因为NN会在几个赛季后开始预期产量会大幅下降，零值对于产量得分来说是一个有意义的值。
是否有神经网络可以处理每个玩家不同的输入长度？它会利用玩家的职业生涯长度来帮助预测玩家未来的生产成绩吗？
答案 0 :(得分：2)
这正是针对递归神经网络构建的问题！循环神经网络采用串联输入，并且对于该系列中的每个时间步骤仅有一个共享/重复的节点。它可以处理可变大小的输入，但请注意，如果您不愿意对输入进行零填充，则不可避免地必须一次运行一个输入。无法对锯齿状输入矩阵进行矢量化。如果你没有太多的数据，这不会成为一个问题。请查看here以获取更多信息。