可以将 id 编码为神经网络的特征吗？答案

【问题标题】：Can an id be encoded as a feature for a neural network?可以将 id 编码为神经网络的特征吗？
【发布时间】：2017-05-29 01:51:18
【问题描述】：

例如，每个用户都有自己独特的模型，例如用户的音乐品味。当然，我可以对他们口味的通用特征进行编码，但我希望它对每个用户真正具体和个性化。然而，我没有制作 N 个不同的模型，而是将 N 编码为我的模型的一个特征，(0->N)。例如：

age, eye color, time of day, user_id

现在可以说，我正在使用神经网络。关于 user_id 是否足以为每个用户产生不同结果的功能的想法？

【问题讨论】：

【解决方案1】：

绝对！这正是您可以使用 one-hot encoding 的目的。但是，这意味着您将有N 额外的输入（其中N 是用户数量）。

如果您有三个用户，模型的额外输入将如下所示：

user1: 001
user2: 010
user3: 100

但是，如果您正在为大量用户运行神经计算，则您可能应该使用与用户 ID 无关的网络（即使您说过您不希望这样做）。也许看看某种循环网络（LSTM）。

【讨论】：

感谢您的回复。假设 N 相当大，为什么不直接输入 id（整数）作为特征本身呢？网络学习“压力”太大？一种热编码对较小的 N 有意义，但对网络来说可能太多了。也许 N 个模型是有意义的，只要它能够快速加载网络，想法？
@carboncomputed 仅仅因为 id 是一个整数，并不意味着它是一个数值。它应该始终被视为一个分类值，除非n 和n+1 之间存在稳定的关系。如果你输入和id 作为一个整数，那么网络会认为id=20 是id=10 的两倍，尽管没有任何关系。我认为您应该坚持使用适用于每个用户的某种循环模型，因此可以忽略 id。