Mélanger des données continues et binaires avec SVM linéaire?

J'ai donc joué avec les SVM et je me demande si c'est une bonne chose à faire:

J'ai un ensemble de fonctionnalités continues (0 à 1) et un ensemble de fonctionnalités catégorielles que j'ai converties en variables factices. Dans ce cas particulier, j'encode la date de la mesure dans une variable fictive:

Il y a 3 périodes sur lesquelles j'ai des données et je leur ai réservé 3 numéros de fonction:

20: 21: 22:

Ainsi, en fonction de la période d'où proviennent les données, différentes fonctionnalités se verront attribuer 1; les autres obtiendront 0.

Le SVM fonctionnera-t-il correctement avec ceci ou c'est une mauvaise chose à faire?

J'utilise SVMLight et un noyau linéaire.

Les SVM géreront à la fois les variables binaires et continues tant que vous effectuez un prétraitement: toutes les fonctionnalités doivent être mises à l'échelle ou normalisées. Après cette étape, du point de vue des algorithmes, peu importe si les fonctionnalités sont continues ou binaires: pour les binaires, il voit des échantillons qui sont soit "éloignés", soit très similaires; pour continu, il y a aussi les valeurs intermédiaires. Le noyau n'a pas d'importance en ce qui concerne le type de variables.

Réplication de ma réponse depuis http://www.quora.com/Machine-Learning/What-are-good-ways-to-handle-discrete-and-continuous-inputs-together/answer/Arun-Iyer-1

• Redimensionner les fonctions continues limitées: toutes les entrées continues qui sont limitées, redimensionnez-les à à x = 2 x - max - $[-1, 1]$ .$x = \frac{2x - \max - \min}{\max - \min}$
• Normaliser toutes les caractéristiques continues: Toutes les entrées continues doivent être normalisées et j'entends par là, pour chaque caractéristique continue, calculer sa moyenne ( ) et son écart type ( σ ) et faire x = x - $\mu$$\sigma$ .$x = \frac{x - \mu}{\sigma}$
• Binariser les entités catégorielles / discrètes: pour toutes les entités catégorielles, représentez-les comme plusieurs entités booléennes. Par exemple, au lieu d'avoir une fonction appelée marriage_status, ayez 3 fonctions booléennes - marié_status_single, marié_status_married, marié_status_divorced et définissez correctement ces fonctionnalités à 1 ou -1. Comme vous pouvez le voir, pour chaque entité catégorielle, vous ajoutez k entité binaire où k est le nombre de valeurs que prend l'entité catégorielle.

Maintenant, vous pouvez représenter toutes les fonctionnalités dans un seul vecteur que nous pouvons supposer incorporées dans et commencer à utiliser des packages standard pour la classification / régression, etc.$\mathbb{R}^n$

$\mathbb{R}^n$