Як поводитися з SVM з категоричними атрибутами

У мене простір у 35 вимірів (атрибутів). Моя аналітична проблема - це проста класифікація.

З 35 вимірів понад 25 є категоричними, і кожен атрибут приймає більше 50+ типів значень.

У такому сценарії введення фіксованої змінної також не допоможе мені.

Як я можу запустити SVM на просторі, який має безліч категоричних атрибутів?

categorical-data svm

— Гіма
джерело

Якщо ви впевнені, що категоричний атрибут насправді порядковий, тоді просто розглядайте його як числовий атрибут.
Якщо ні, використовуйте якийсь трюк кодування, щоб перетворити його на числовий атрибут. Згідно з пропозицією автора libsvm, можна просто використовувати кодування 1-з-К. Наприклад, припустимо, що атрибут 1-мірної категорії приймає значення з . Просто перетворіть його на тривимірні числа такі, що , , . Звичайно, це призведе до суттєвих додаткових вимірів у вашій проблемі, але я думаю, що це не є серйозною проблемою для сучасного вирішувача SVM (незалежно від лінійного типу чи типу ядра, який ви приймаєте). $\{A,B,C\}$ $A = (1,0,0)$ $B = (0,1,0)$ $C = (0,0,1)$

— pengsun.thu
джерело

+1 Це теж я хотів сказати! На додачу я також додам, що рекурсивний розподіл іноді використовується для визначення місця, де найкраще робити надрізи в функціях, що постійно оцінюються, для розподілу їх у бункери.

— Кайл.

Цікаво! "Рекурсивний розділ" звучить для мене (бінарне) дерево. Якась різниця між цими двома ідеями? Крім того, SVM вже в змозі розібратися з безперервною особливістю, чому ми повернемо його до бункерів (знову ж таки, категоричних даних)?

— pengsun.thu

Чи не створюється фіктивних змінних k-1 достатньо для категоричної змінної рівня ak? наприклад A = (1,0,0), B = (0,1,0) тут, пропускаючи (0,0,1)?

— Outlier

наступне запитання: чи не потрібно додаткове масштабування даних, зафіксованих 0-1?

— AZhao