不知道如何問這個，但在這裏。所以我一直試圖理解機器學習和神經網絡的使用。神經網絡/機器學習，如何將數據轉化爲數字？
我有一個在C＃中學習神經網絡的簡單例子。 我明白這個代碼在做什麼，它非常簡單，我有一個「Patterns.csv」文件。 它包含： x輸入，y輸入和0或1是或否。
0.11, 0.82, 0
0.13, 0.17, 0
0.20, 0.81, 0
0.21, 0.57, 1
0.25, 0.52, 1
0.26, 0.48, 1
這Patterns.csv用於訓練網絡，所以如果我手動輸入simular X和Y輸入它將給我一個1或0有關有多少圖案具有。
現在我的問題是如何將實際數據轉換爲x和y輸入？通過使用字符串使用圖像或甚至是簡單的垃圾郵件過濾器？我真的不明白如何將實際數據轉換爲兩個浮點數。
我假設這將是正確的方式來使用這個簡單的神經網絡的例子，如果任何人有任何想法或解釋或一個很酷的方法來做到這一點，請隨時發佈任何相關的感謝！
This article文章包含了所謂的「數據標準化」基本算法
，你所要做的就是把數據轉換像
Lives in | IsMarried
Chicago | 1
New York | 1
New York | 0
...
分爲：
Chicago | New York | IsMarried
1 | 0 | 1
0 | 1 | 1
0 | 1 | 0
...
我打賭還有其他技術，但這是我們在本學期監督機器學習講座中使用的技術。
只要你有這個規範化的矩陣，你可以使用任何聚類/機器學習algortihm。
也有一個look here. This post解釋了爲什麼這種編碼/規範化是必要的。
那麼，爲什麼不只是更換芝加哥0，紐約1等
這不是一個好主意，因爲一些機器學習算法處理不同的值作爲「距離」。因此，芝加哥（0）和紐約（1）（距離爲1）不會像紐約和第100個城市（距離爲99）獲得相同的「非相似性評級」。
關鍵字爲您的搜索是編碼。這是一個很好的文章：
這很好地解釋這一概念的一個好工作。下面是摘錄演示了一招，以幫助培訓：
獨立的分類數據的一個例子是一個預測變量 社區，這可以採取值「郊區」，「農村」和「城市」對於 這樣的數據，我推薦使用經常被稱爲1-of-（C-1）效應 編碼。編碼效果不明顯，最好通過 解釋：例如：
suburban = [ 0.0, 0.0, 1.0]
rural = [ 0.0, 1.0, 0.0]
city = [-1.0, -1.0, -1.0]