我有一份网球比赛列表，包含了比赛时间、场地、场地类型、胜者/败者的排名、胜者/败者在每盘中赢得的局数等信息。我计划使用这些信息训练一个多层感知器网络（使用PyBrain），并将其映射到一个单一输出——如果第一位选手获胜则为1.0，否则为0.0。目标是预测未来的比赛（其中一些输入将是不确定的）。

每位选手由一个整数标识。共有超过100名选手。我想知道是否可以直接用这些整数来表示选手，是否应该使用小数（即除以100），或者是否应该使用二进制表示？这会重要吗？

回答：

我不是很确定选手编号的表示方式是否会产生影响。

我假设神经网络将基于时间、场地、场地类型、排名等进行训练，而非基于选手编号，因此选手ID可能会独立于算法之外。

听起来您有一个数据结构，包含了选手及其历史表现和排名，以及比赛时间表。因此，选手和时间表信息可能会作为神经网络的参数输入，但选手ID将是一个外部参数，用于控制评估过程。如果这是真的，那么具体如何实现取决于您的评估算法，而不太依赖于神经网络本身。