この質問の言い方がよくわからないので、我慢してください。
陸上競技の各ランナーを評価するためのニューラルネットワークを開発しているとしましょう。ランナーに関するニューラルネットワーク情報を提供します。勝率、前回の実行からの日数など。
私の質問は、ニューラルネットワークがランナーを評価している場合、レースの天気のような入力をネットワークに与えることができますか？たとえば、ネットワークにホットの場合は1.00、コールドの場合は2.00、OKの場合は3.00を指定します。
私がこの質問をしている理由：ニューラルネットワークの出力が大きいほど、ランナーは優れています。つまり、これは、勝率の入力が高いほど、評価が大きくなることを意味します。値が大きいほど必ずしもランナーが優れているとは限らないニューラルネットワーク入力を与えると、ネットワークはこの入力を理解して使用/解釈できるようになりますか？
質問が意味をなさない場合はお知らせください。
ニューラルネットは、無関係な入力（低い重みを割り当てることによって）と、目的の出力に反比例する入力（負の重みを割り当てることによって）を正しくモデル化できます。ニューラルネットは、継続的に変化する入力でより効果的に機能するため、の例1.00 for hot, 2.00 for cold, 3.00 for OK ..は理想的ではありません0.00 for hot, 1.00 for OK, 2.00 for cool。
国コードのように実際の連続的な関係がない状況では、（収束の観点から）最良のエンコーディングは、ブール属性のセット（isArgentina, isAustralia, ..., isZambia）を使用することです。それがなくても、ニューラルネットは離散値の入力をモデル化できるはずです（つまり、国が関連していて、それらを数値としてエンコードした場合、ニューラルネットは最終的に収束できるはずです87 (Kenya) is correlated with high performance）。このような状況では、より多くの非表示ノードまたはより長いトレーニング期間が必要になる場合があります。
ニューラルネットの要点は、単純な統計分析が難しい状況で使用することです。そのため、データを事前に判断する必要があるという他の回答には同意しません。
ニューラルネットワークが行うことは、入力と出力の間の関係をマップすることです。これは、ニューラルネットワークに何らかの目的を持たせる必要があることを意味します。このような目標の例としては、「勝者を予測する」、「各ランナーの速度を予測する」、「レースの完全な結果を予測する」などがあります。もちろん、あなたが試みるのにもっともらしい例のどれは、あなたが利用できるデータに依存します。
結果の時間とすべての予測変数（天気を含む）が記録されている大規模なデータセット（たとえば、ランナーごとに数百のレース）があり、天気と個々のランナーのパフォーマンスの間に関係があることを確立した場合、ニューラルネットワークは個々のランナーごとに異なる関係であっても、そのような関係を非常にうまくマッピングすることができます。
記録する天気変数の例としては、太陽の強さ（W / m2）、向かい風（m / s）、気温（℃）などがあります。次に、これらの変数を使用して各ランナーのパフォーマンスをモデル化し、ニューラルネットワークを使用してランナーのパフォーマンスを予測できます（このアプローチでは、ランナーごとに1つのニューラルネットワークが必要になることに注意してください）。