Mieszanie danych ciągłych i binarnych z liniowym SVM?

Więc bawiłem się SVM i zastanawiam się, czy to dobra rzecz:

Mam zestaw funkcji ciągłych (od 0 do 1) i zestaw cech kategorycznych, które przekonwertowałem na zmienne obojętne. W tym konkretnym przypadku koduję datę pomiaru w zmiennej zastępczej:

Są 3 okresy, z których mam dane i zarezerwowałem dla nich 3 numery funkcji:

20: 21: 22:

Zatem w zależności od okresu, z którego pochodzą dane, różne funkcje otrzymają 1 przypisany; inni otrzymają 0.

Czy SVM będzie działał poprawnie z tym, czy to źle?

Używam SVMLight i liniowego jądra.

SVM będzie obsługiwał zarówno zmienne binarne, jak i ciągłe, o ile wykonasz wstępne przetwarzanie: wszystkie funkcje powinny być skalowane lub znormalizowane. Po tym kroku z punktu widzenia algorytmów nie ma znaczenia, czy cechy są ciągłe czy binarne: w przypadku plików binarnych widzi próbki, które są albo „daleko”, albo bardzo podobne; dla ciągłego są również wartości pośrednie. Jądro nie ma znaczenia w odniesieniu do rodzaju zmiennych.

Replikując moją odpowiedź z http://www.quora.com/Machine-Learning/What-are-good-ways-to-handle-discrete-and-continuous-inputs-together/answer/Arun-Iyer-1

• Przeskaluj ograniczone funkcje ciągłe: Wszystkie ograniczone ciągłe dane wejściowe, przeskaluj je do do x = 2 x - max - $[-1, 1]$ .$x = \frac{2x - \max - \min}{\max - \min}$
• Standaryzuj wszystkie funkcje ciągłe: wszystkie ciągłe dane wejściowe powinny być znormalizowane i mam na myśli to, że dla każdej funkcji ciągłej oblicz jej średnią ( ) i odchylenie standardowe ( σ ) i wykonaj x = x - $\mu$$\sigma$ .$x = \frac{x - \mu}{\sigma}$
• Binarizacja cech jakościowych / dyskretnych: we wszystkich cechach jakościowych przedstaw je jako wiele cech boolowskich. Na przykład zamiast jednej funkcji o nazwie mariactwo_status, mają 3 funkcje boolowskie - married_status_single, married_status_married, married_status_divorced i odpowiednio ustawiają te funkcje na 1 lub -1. Jak widać, do każdej funkcji jakościowej dodajesz k funkcji binarnej, gdzie k jest liczbą wartości, które przyjmuje funkcja jakościowa.

Teraz możesz przedstawić wszystkie funkcje w jednym wektorze, co do którego możemy założyć, że są osadzone w i zacząć korzystać z gotowych pakietów do klasyfikacji / regresji itp.$\mathbb{R}^n$

$\mathbb{R}^n$