这可能看起来是个愚蠢的问题。

我正在通过一些网球数据运行一个神经网络。网络的目标是确定每位选手赢得比赛的概率。网络有大约40个输入，一个输出（即选手A获胜的概率，选手B的概率为1减去输出值）。

输入是每位选手在过去n场比赛中的各种统计数据和表现指标。我已经编写了从我的网球比赛结果数据库中提取这些数据的代码，这些数据随后被输入到神经网络中。

我遇到的问题如下：

在训练集中，与被网络分析的比赛的获胜者相关联的输入值，总是通过相同的输入神经元输入。因为这样，期望的输出总是1，因为选手A总是赢（这是我的数据库的结构，选手A是比赛的赢家，选手B是输家）。

我该如何克服这个问题？是否只是简单地随机化选手A和选手B的顺序？

希望这个问题有意义。

非常感谢

回答：

我会训练每场比赛两次，一次以获胜者-输家的输入和输出’1’，一次以输家-获胜者的输入和期望输出’0’。

（哦，我不认为神经网络的输出可以被解释为概率，意思是如果ANN预测某个结果的输出是0.9，它会在10次中有9次正确。）