我真的不知道如何表达这个问题，所以请耐心等待..
假设我正在开发一个神经网络，用于对田径比赛中的每位跑步者进行评分。我提供有关跑步者的神经网络信息，例如。 win%、自上次运行以来的天数等。
我的问题是——在这种情况下，神经网络对跑步者进行评分，我可以给网络一个输入，比如比赛天气吗？例如我给网络 1.00 表示热，2.00 表示冷，3.00 表示 OK .. ?
我问这个问题的原因：神经网络的输出越大，跑者就越好。因此，这意味着获胜百分比输入越高，评分就越高。如果我给神经网络输入值越大并不一定意味着跑步者越好，那么网络是否能够理解和使用/解释这个输入？
如果问题没有意义，请告诉我！
【问题讨论】：
标签： artificial-intelligence neural-network
神经网络可以正确建模不相关的输入（通过为其分配低权重）和与所需输出成反比的输入（通过分配负权重）。神经网络在输入不断变化的情况下表现更好，因此您的 1.00 for hot, 2.00 for cold, 3.00 for OK .. 示例并不理想：更好的是 0.00 for hot, 1.00 for OK, 2.00 for cool。
在没有真正连续关系的国家代码等情况下，最好的编码（从收敛的角度来看）是使用一组布尔属性 (isArgentina, isAustralia, ..., isZambia)。尽管如此，即使没有这个，神经网络也应该能够对离散值的输入进行建模（即，如果国家是相关的，如果你将它们编码为数字，最终一个神经网络应该能够收敛到87 (Kenya) is correlated with high performance）。在这种情况下，可能需要更多的隐藏节点或更长的训练时间。
神经网络的全部点是在简单的统计分析困难的情况下使用它们，所以我不同意另一个答案，即你应该预先判断你的数据。
【讨论】：
神经网络所做的是映射输入和输出之间的关系。这意味着你必须为你的神经网络设定某种目标。此类目标的示例可以是“预测获胜者”、“预测每个跑步者的速度”或“预测比赛的完整结果”。当然，您可以尝试哪些示例取决于您有哪些可用数据。
如果您有一个大型数据集（例如，每个跑步者有几百场比赛），其中记录了结果时间和所有预测变量（包括天气），并且您确定之间存在关系天气和单个跑步者的表现，神经网络很可能能够映射这种关系，即使每个跑步者的关系不同。
要记录的良好天气变量示例可能是太阳强度 (W/m2)、逆风 (m/s) 和温度 (摄氏度)。然后可以使用这些变量对每个跑步者的表现进行建模，然后可以使用神经网络来预测跑步者的表现（注意这种方法需要每个跑步者一个神经网络）。
【讨论】：