近期在学习神经网络和支持向量基，看了不少例子，基本上输入变量都是连续型，而实际应用场景中会出现不少类别型的输入变量，这些变量可能是标记型（是1/否0）、类别型（1、2、3代表几类）、有序型（1、2、3有序的类别),对于这些类型的变量在建模时又该如何处理？是转化为虚拟变量？还是？请专业前辈指点指点！或者推荐优秀书籍可供学习，万谢！
另有一疑问，本人在试验神经网络时,使用了SPSS modoler 一开始是将几种类型的变量都作为输入，末作任何预处理，最终模型自已选择出有影响的变量，基本都是连续型变量，预测准确率在78%。
当我只选择连续型的变量，并且对变量用极差法做归一化后再参与建模，有影响的变量出现较大变化，预测准确率下降为75%，但对于yes类的响应率都有显著的提升。是否应以第二种结果为准？