非数值数据在神经网络中的应用

Question

我想在我的神经网络中加入非数值数据。具体来说，我在看GICS行业分类（例如，公用事业、技术）。我不认为这些数据可以有意义地转换成数字数据。在

为每个行业使用一个虚拟的解决方案。这种方法的局限性在于神经网络输入层的维数膨胀。有没有更复杂的方法来处理这类问题？在

Answer 1

你是完全正确的，字符串或序列数值{'utilities': 0, 'technology': 1}在神经网络中是行不通的，因为网络将学会检测字符或数字之间不存在的关系。在

为了避免这种情况，我们使用了One Hot Encoding。这是一种将每个分类变量编码为状态向量的技术，从而消除了类别值之间存在某种隐含关系的假设。在

使用数组['Utilities', 'Technology']你的一个热编码如下： gics = [[1,0],[0,1]]