연속 및 이진 데이터를 선형 SVM과 혼합합니까?

그래서 나는 SVM을 가지고 놀고 있었고 이것이 좋은 일인지 궁금합니다.

연속 기능 (0 ~ 1) 세트와 더미 변수로 변환 된 범주 기능 세트가 있습니다. 이 특별한 경우에는 측정 날짜를 더미 변수로 인코딩합니다.

데이터를 보유한 기간은 3 가지이며 3 개의 기능 번호를 예약했습니다.

20:21:22 :

따라서 데이터가 나오는 기간에 따라 다른 기능에 1이 할당됩니다. 나머지는 0이됩니다.

SVM이 이것과 제대로 작동합니까, 아니면 나쁜 일입니까?

SVMLight와 선형 커널을 사용합니다.

SVM은 사전 처리를 수행하는 한 이진 변수와 연속 변수를 모두 처리합니다. 모든 기능을 조정하거나 정규화해야합니다. 이 단계 후에 알고리즘의 관점에서 볼 때 피처가 연속적인지 바이너리인지는 중요하지 않습니다. 연속적인 경우 값 사이에도 값이 있습니다. 변수 유형과 관련하여 커널은 중요하지 않습니다.

http://www.quora.com/Machine-Learning/What-are-good-ways-to-handle-discrete-and-continuous-inputs-together/answer/Arun-Iyer-1 에서 내 답변 복제

• 재조정 연속 경계 기능 : 모든 연속 입력되는 경계로 재조정 내지 X = 2 X - 최대 - $[-1, 1]$ .$x = \frac{2x - \max - \min}{\max - \min}$
• $\mu$$\sigma$$x = \frac{x - \mu}{\sigma}$ .
• 범주 형 / 이산 형 피쳐 이진화 : 모든 범주 형 피쳐에 대해 여러 부울 형 피쳐로 표시합니다. 예를 들어, married_status라는 하나의 기능을 갖는 대신 3 개의 부울 기능 (married_status_single, married_status_married, married_status_divorced)을 갖고 이러한 기능을 1 또는 -1로 적절하게 설정하십시오. 보시다시피, 모든 범주 형 피처에 대해 k 이진 피처를 추가합니다. 여기서 k는 범주 형 피처가 취하는 값의 수입니다.

이제 모든 기능을 하나의 벡터로 표현할 수 있습니다.이 벡터를 포함한다고 가정 할 수 있습니다$\mathbb{R}^n$ 및 상용 패키지 분류 / 회귀 등을 사용하여 시작

$\mathbb{R}^n$