Змішування безперервних та бінарних даних з лінійним SVM?

Тож я грав із SVM, і мені цікаво, чи це добре робити:

У мене є набір безперервних функцій (від 0 до 1) та набір категоричних ознак, які я перетворив на фіктивні змінні. У цьому конкретному випадку я кодую дату вимірювання у фіктивній змінній:

У мене є три періоди, з яких я маю дані, і я зарезервував 3 номери функцій для них:

20: 21: 22:

Отже, залежно від того, з якого періоду дані надходять, різні функції отримуватимуть 1 призначення; інші отримають 0.

Чи правильно працюватиме SVM з цим чи це погано?

Я використовую SVMLight та лінійне ядро.

SVM будуть обробляти як бінарні, так і безперервні змінні, доки ви зробите певну попередню обробку: всі функції повинні бути масштабовані або нормалізовані. Після цього кроку, з точки зору алгоритмів, не має значення, чи є функції постійними чи двійковими: для двійкових файлів він бачить зразки, які або "далеко", або дуже схожі; для безперервного також існують значення між. Ядро не має значення стосовно типу змінних.

Реплікація моєї відповіді з http://www.quora.com/Machine-Learning/What-are-good-ways-to-handle-discrete-and-continuous-inputs-together/answer/Arun-Iyer-1

• Функції безперервного обмеження масштабу: Усі безперервні вхідні дані, які обмежені, переставляють їх до через x = 2 x - max - $[-1, 1]$ .$x = \frac{2x - \max - \min}{\max - \min}$
• Стандартизуйте всі безперервні характеристики: Весь безперервний вхід повинен бути стандартизованим, і це означає, що для кожної безперервної характеристики обчислюйте її середнє значення ( ) та стандартне відхилення ( σ ) і виконайте x = x - $\mu$$\sigma$ .$x = \frac{x - \mu}{\sigma}$
• Бінаризація категоричних / дискретних ознак: для всіх категоричних ознак представляйте їх як кілька булевих ознак. Наприклад, замість однієї функції під назвою wedding_status, майте 3 булеві функції - married_status_single, married_status_married, married_status_divorced і належним чином встановіть ці функції на 1 або -1. Як бачимо, для кожної категоріальної ознаки ви додаєте k бінарну ознаку, де k - кількість значень, які приймає категорична ознака.

Тепер ви можете представити всі особливості в одному векторі, який ми можемо вважати вбудованим в і почати використовувати нестандартні пакети для класифікації / регресії тощо.$\mathbb{R}^n$

$\mathbb{R}^n$