在两个特征向量上训练网络？

Question

我想训练一个 MLP，它包含两个 nba 球队 A 和 B 并将一个分类为获胜者，另一个分类为失败者（可能二进制分类 0 代表失败者，1 代表获胜者）以及预测器这分配了团队A 与团队B 获胜的概率。我无法弄清楚特征向量的外观，并希望得到一些建议。我的想法是

1. 拿每个团队的特点区别

2. 为一个训练示例连接特征 IE，它将是 [A_1,B_1,A_2,B_2,...,A_n,B_n]，其中 n 是特征编号

3. 为每个团队使用一个特征向量？（不知道这是否有效）

谁能给点建议

Answer 1

虽然我同意 Scott Hunter 尝试一切，但这里有一些想法：

1. 采取不同的方式 - 这在很大程度上取决于团队的功能所代表的内容。如果每个特征都像团队的统计数据（例如胜率等），那么取差值可能会起作用。如果它是更抽象的东西，它可能不是一个好主意。不过你可以试试。

2. 连接功能 - 我认为这将是一个不错的选择，至少在开始时是这样。这绝对是最明显的，我认为它会在很大程度上发挥作用。

另一种方法：您可以构建一个编码器，它采用团队的特征向量并输出压缩表示。然后，您可以使用这种压缩表示做一些事情（将其提供给更简单的模型，或者也可以提供给另一个 MLP）。