我想使用神经网络进行回归。作为输入，我有一个真正的价值，我希望神经网络也可以预测一个实际价值。到目前为止，它已经起作用了。现在，我还拥有一个由类(在这种情况下的工作日(组成的自变量，我想将其用作第二个输入以获得更好的预测。回归是否有可能具有两个不同的输入，一个实际值和一个类？
我知道我可以将工作日编码为数字1-7(我想无论如何我都必须做(，但是神经网络会认为它是实数，对吗？但是工作日之间没有排名，那么我如何确保它们被视为课程？
您可以将工作日编码为号码1-7。
然后，查看使用embedding layer将此编码转换为嵌入。
然后，将此embedding layer的输出传递到您认为合适的网络。
更多信息
embedding layer背后的直觉是您的网络将通过其输入进行反击。实际上，一周中的每一天的嵌入将对应于实值的向量，并且将使用每个Minibatch更新此嵌入，以最大程度地减少您的损失功能。
更新：在一周中的一天中有这样的学识渊博的嵌入是一个好主意，因为它将提供有关一周中每天对目标的影响的更多信息，而不是简单的整数或一台式编码。例如，如果2个不同的天对目标有相似的影响，那么您的网络将能够彼此之间的嵌入彼此嵌入，从而使该投影比整数或一式式编码更有意义。
兴趣的功能
tf.keras.layers.Embedding
torch.nn.Embedding
教程
https://www.tensorflow.org/guide/embeddinghttps://pytorch.org/tutorials/beginner/nlp/word_embeddings_tutorial.html
纸
Word2Vec Paper