我正在尝试使用神经网络解决一些机器学习问题，主要是使用NEAT进化（增强拓扑的神经进化）。

我的一些输入变量是连续的，但其中一些具有分类性质，例如：

• 物种：{狮子，豹子，老虎，美洲虎}
• 行业：{医疗保健、保险、金融、IT、广告}

起初，我想通过将类别映射到离散数字来对这样的变量进行建模，例如：

{狮子：1，豹子：2，老虎：3，美洲虎：4}

但恐怕这会在变量上添加某种任意拓扑。老虎不是狮子和豹子的总和。

通常采用什么方法来解决这个问题？

不幸的是，这儿没有good解决方案，每个都会导致某种问题：

• 正如您所提到的，您的解决方案是添加拓扑；它可能没那么糟糕，因为 NN 可以拟合任意函数并表示“if”，但在许多情况下它会（因为 NN 经常陷入某些局部最小值）。
• 您可以以以下形式对数据进行编码is_categorical_feature_i_equal_j，这不会产生任何额外的拓扑，但会以二次方的方式增加特征数量。因此，代替“物种”，您会得到特征“is_lion”、“is_leopard”等，并且只有其中一个是相等的1当时
• 如果与可能的分类值相比数据量很大（例如，您有 10000 个 od 数据点，并且只有 10 个可能的分类值），也可以将问题分成 10 个独立的问题，每个问题都针对一个特定值进行训练（因此我们有“狮子的神经网络”“美洲虎的神经网络”等）

这两种方法适用于“极端”情况 - 一种方法的计算成本非常低，但可能导致高偏差，而第二种方法则引入了很多复杂性，但不应影响分类过程本身。最后一种很少可用（由于假设了少量的分类值），但在机器学习方面相当合理。

Update

8年里发生了很多事情。解决方案 2 绝对是最受欢迎的一种，随着计算量的增长、神经网络的广泛采用以及稀疏输入的支持，成本现在可以忽略不计