这似乎是一个愚蠢的问题。
我正在通过一些网球数据运行神经网络。该网络的目标是确定每个选手赢得比赛的概率。输入大约有40个,输出为一个(即A选手获胜的概率,B选手的概率为1-输出)。
输入是每个选手在过去n场比赛中的各种统计数据和表现指标。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,然后将其馈送到神经网络中。
我遇到的问题如下:
在训练集中,与网络分析的比赛的获胜者相关的输入值将始终通过相同的输入神经元进行馈送。因此,期望的输出将始终为1,因为A选手总是获胜(这是我的数据库结构,A选手是比赛的获胜者,B选手是输家)。
我该如何解决这个问题?只需要随机化A选手和B选手的顺序吗?
希望这个问题说得清楚。
非常感谢。
我正在通过一些网球数据运行神经网络。该网络的目标是确定每个选手赢得比赛的概率。输入大约有40个,输出为一个(即A选手获胜的概率,B选手的概率为1-输出)。
输入是每个选手在过去n场比赛中的各种统计数据和表现指标。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,然后将其馈送到神经网络中。
我遇到的问题如下:
在训练集中,与网络分析的比赛的获胜者相关的输入值将始终通过相同的输入神经元进行馈送。因此,期望的输出将始终为1,因为A选手总是获胜(这是我的数据库结构,A选手是比赛的获胜者,B选手是输家)。
我该如何解决这个问题?只需要随机化A选手和B选手的顺序吗?
希望这个问题说得清楚。
非常感谢。