这可能看起来像一个愚蠢的问题。神经网络输入顺序
我通过一些网球数据运行神经网络。网络的目标是确定每位选手赢得比赛的概率。有大约40个输入和一个输出(玩家B获胜的概率(1 - 输出))。
输入是每位选手在过去n场比赛中的各种统计和表现指标。我编写了从我的网球比赛结果数据库中提取这些数字的代码,然后将这些数据输入到神经网络中。
我的问题如下:
在训练集,与所述匹配的胜者的输入值由所述网络分析,将始终通过相同的输入神经元供给。正因为如此,所需的输出总是1,因为玩家A总是赢(这就是我的数据库的结构,玩家A是比赛的胜者,玩家B是输家)。
我该如何解决这个问题?这只是一个让玩家A和玩家B的命令随机化的例子吗?
希望这个问题有道理。
很多谢谢
除非有充分的理由不要(看我的评论),我同意这一对的排序。一些神经网络直接估计概率,而另一些则产生可以根据概率校准的数字输出。 – Predictor 2011-12-20 01:55:21
谢谢你,这就是我要做的。网络的输出不会直接用作概率,它们将在别处推导出来。非常感谢。 – Sherlock 2011-12-20 15:45:36