私は機械学習と AI は初めてで、最近 NN を使い始めました。
ここですでにスタックオーバーフローに関する情報をいくつか取得していますが、現時点で収集された情報全体からのロジックは理解できません。
4 つの公称値 (ただし順序値ではない) [A、B、C、D] と、既に正規化された 2 つの数値 [0.35、0.55] を取りましょう。NN の文献では、エンコーディングに 4 つの入力ニューロンを使用する必要があることがよくわかります。しかし、それらの名目上のものを予測する必要はありません。エキスパート システムとルールで使用する場合、最大でも 1 つの関係を表す出力ニューロンが 1 つしかありません。
たとえば、それらを[0.2、0.4、0.6、0.8]に正規化すると、NNはそれらを区別できませんか? NNの場合は数字だけですよね?
素朴なアプローチと考え方:
A with 0.35 numerical leads to ideal 1.
B with 0.55 numerical leads to ideal 0.
C with 0.35 numerical leads to ideal 0.
D with 0.55 numerical leads to ideal 1.
このアプローチについての私の考え方に間違いはありますか?
追加情報(編集):これらの公称値は意思決定に含まれます(数値と組み合わせて統計ツールで測定した場合の重要性)、それらが真かどうかによって異なります。バイナリでエンコードできることは知っていますが、公称値のリストは少し大きくなります。
その他の例:
血液検査 1 で症状 A が診断 X につながる(理想) 血液検査 1 で症状 B が診断 Y につながる(理想)
実際にはエキスパートシステムが使用されています。症状は公称値ですが、血液検査値と合わせて診断します。最後に主な質問: 症状を 2 進数でエンコードする必要がありますか、それとも症状を数値に置き換えることができますか? 数値に置き換えることができない場合、NN を使用する唯一の方法がバイナリ表現であるのはなぜですか?