1樓：孫佳偉
"缺失值設定為0是安全的，只要0不是乙個有意義的值"
其實，說到底只是編碼的問題。
0不是乙個有意義的值，是說原先的特徵列中沒有0值。那麼這裡用0填充缺失值則是一種編碼方式，用來表示缺失值，而沒有其數值含義
如果是類別特徵，那麼一般後續還會做一步One-Hot編碼，那麼這裡用0還是別的就更無關緊要了
2樓：劉巨集
下方分割線以下是我前面寫的內容。但是我實在寫不下去了，所以就停下來，來到了這裡。
題主寫的這一段應該來自於某段翻譯過來的文字？
應該說，這段翻譯不是最好的。過份一些說，翻譯得，有不太負責任，的嫌疑。
要基於這段翻譯文本來解釋清楚，實在是費力不討好，哈哈
別怪我這麼說。
這樣吧，建議題主還是更關注原著，和領域的基本概念。打好基本功還是很重要的。
當然，如果有更多的上下文，能夠對照，有可能容易一點點。但是已經不重要了。
放棄這篇翻譯過來的「二手貨」好了，如果是我的話。
先複寫一下題目，能夠看得懂：
一般來說，對於神經網路，將 UNK 設定為0是安全的，只要0不是乙個有意義的值。網路能夠從資料中學到「0意味著 UNK」，並且會忽略這個值。
說實話我是看了好幾遍才明白過來的。
其中 UNK 是乙個常用的符號，表示在資料集中出現次數很低的資料。
那麼，1、所謂「設定為0」。我的理解，乙個可能是，使用 UNK 符號，並將其 id 設定為0。這個背景是使用 embedding而不是 one-hot。
......不行，我寫不下去了。
卷積神經網路和BP神經網路的關係？
乙個維度的BP神經網路就相當於CNN中的全連線了，無非是多幾個全連線，CNN是二維，二維如果搞成全連線就導致運算量巨大，所以有了權重共享，大大減少了運算量，CNN卷積的思想肯定也源於BP神經網路就，在影象上做二維卷積的CNN發出炫目的光芒下，BP神經網路就已經快被人們遺忘了，但是不管CNN再怎麼發展...
卷積神經網路（CNN）和迴圈神經網路 RNN 有什麼區別？
不存在的1990 從字面區分 cnn 裡面的 c指 convolutional operation，是一種提取影象特徵方法。把這一operation加入到layer裡面構成了convolutional layer。rnn裡的r 指recurrent，中文是重複的意思。rnn構造的結構也是recurr...
如何看待人工神經網路ANN和脈衝神經網路SNN的發展？
十萬個為什麼 SNN起源於人類對生物神經網路的解剖，是一種機理模型 ANN是一種工程模型，架構上源於生物學基礎，但是又採用了數值優化的方法進行求解。當前的科技發展水平下，ANN更實用，可以解決很多實際問題，而SNN在功能性角度方面遠遠弱於ANN。從發展前景方面，ANN顯然不及SNN，因為生物神經網路...