假设我正在尝试使用神经网络来预测我的跑步时间。我有过去跑步的大量数据，包括计划跑的里程数、总海拔变化（山丘）、温度以及天气：晴天、多云、下雨或下雪。

我对如何处理最后一个数据感到困惑。其他数据我可以在标准化后正常输入，但天气数据不行。我最初的想法是设置四个额外的变量，每种天气一个，并根据实际情况输入1或0。

这种方法是否合适？还有其他方法我应该尝试吗？

回答：

你有一个具有四个水平的分类变量。

编码这种值的一个非常典型的方法是为每个值使用一个单独的变量。或者，更常见的是使用“n-1”编码，其中使用少一个标志（第四个值由所有标志为0来表示）。

“n-1”编码用于需要数值输入的技术——包括逻辑回归和神经网络。对于“n”值较大的情况，这种方法是不合适的。问题在于它会产生许多稀疏数据的输入；稀疏数据具有高度相关性。更多的输入意味着网络中更多的自由度，使得网络更难训练。

在你的情况下，这个特定输入只有四个值。将其拆分为三个变量可能是合理的。