deep-learning - 在两个特征向量上训练网络？

Question

我想训练一个 MLP，它接收两支 nba 球队A，B并将一支归类为赢家，另一支归类为输家（可能二元分类 0 代表输家，1 代表赢家）以及一个预测器，它分配球队A获胜与球队的概率B. 我无法弄清楚特征向量的外观，并希望得到一些建议。我的想法是

1. 取每个团队的特征之间的差异

2. 为一个训练示例连接特征 IE，它将[A_1,B_1,A_2,B_2,...,A_n,B_n]是n特征编号的位置

3. 每个团队使用一个特征向量？（不知道是否有效）

谁能给一些建议

标签： deep-learningfeature-engineering

Answer 1

虽然我同意 Scott Hunter 尝试一切，但这里有一些想法：

1. 差异化——这在很大程度上取决于团队的特征代表什么。如果每个特征都像团队的统计数据（例如胜率等），那么取差值可能会起作用。如果它是更抽象的东西，它可能不是一个好主意。但是你可以试试。

2. 连接功能 - 我认为这将是一个不错的选择，至少在开始时是这样。这绝对是最明显的，我认为它会在很大程度上发挥作用。

另一种方法：您可以构建一个编码器，它采用团队的特征向量并输出一个浓缩的表示。然后，您可以使用此压缩表示做一些事情（将其提供给更简单的模型或另一个 MLP）。