在训练神经网络（或任何其他监督学习算法）时，我们提供输入变量和相应的输出。输入变量可以是连续的或离散的（在许多情况下是二进制的）。
如果在使用二进制输入数据进行训练后，我们在评估时为同一输入提供一个连续值会发生什么？该算法是否在内部将所有变量视为连续变量？
例如，假设其中一个输入是在训练数据集中以 0/1 的形式编码的 Young/Old。如果我们在预测阶段提供一个值，比如 0.2，会发生什么？它/它对网络是否有意义？
神经网络（或其他监督学习算法）的输入空间是什么？
数据挖掘
机器学习
神经网络
深度学习
分类数据
监督学习
2022-02-21 07:10:44
1个回答
我猜这取决于算法，但线性模型以及神经网络将所有变量视为连续变量。如果您在预测阶段提供 0.2，该算法将不会爆炸或发生任何事情。但是，您的算法是根据数据训练的。该算法充其量只能做它从训练数据中学到的东西。出于这个原因，当你给一个样本提供一个在整个训练集中没有出现过的值，或者它不遵循训练集分布时，不要期望任何有意义的东西。
其它你可能感兴趣的问题