全部， 我在理解如何训练神经网络以实际获取分类变量的矢量表示时遇到问题。我不想像许多Keras示例Embedding（vocab_size，vector_dim，input_length）那样理解一种衬板，而是更喜欢如何准备数据，我的输出等。
已经阅读了有关类别变量的嵌入实际上如何工作的文章/博客文章等，这意味着它可以捕获数值关系，并且它们实际上是输出之前倒数第二个NN层的权重。但是这些示例都没有如何准备输入数据，我的输出应该是什么（多少个神经元）等。 我确实了解NN正向传播和反向传播的工作原理，但是我很难理解如何准备数据以及如何设计网络。
因此，如果有人能以虚构的例子向我解释说我有以下数据，我将不胜感激：
星期几（x1）
商店名称（x2）
地理数据1（x3）
地理数据2（x4）
销售价值（目标y）
我该如何准备输入数据，而输出层又会如何呢？假设隐藏层中有3个神经元，训练后的权重将代表我的嵌入向量。
* 3个神经元，因为根据提示，我几次遇到了计算vec暗淡为min（50，唯一类别值// 2）
预先感谢