Como lidar com um SVM com atributos categóricos

Eu tenho um espaço de 35 dimensões (atributos). Meu problema analítico é de classificação simples.

Das 35 dimensões, mais de 25 são categóricas e cada atributo leva mais de 50 tipos de valores.

Nesse cenário, a introdução de uma variável dummy também não funcionará para mim.

Como posso executar um SVM em um espaço que possui muitos atributos categóricos?

1. Se você tem certeza de que o atributo categórico é realmente ordinal, trate-o apenas como atributo numérico.
2. Caso contrário, use algum truque de codificação para transformá-lo em atributo numérico. De acordo com a sugestão do autor da libsvm, pode-se simplesmente usar a codificação 1-de-K. Por exemplo, suponha que um atributo de categoria unidimensional obtenha valor de . Basta transformá-lo em números tridimensionais, de modo que A = ( 1 , 0 , 0 ) , B = ( 0 , 1 , 0 ) , C = ( 0 , 0 , 1 $\{A,B,C\}$$A = (1,0,0)$$B = (0,1,0)$$C = (0,0,1)$. Obviamente, isso implicará em dimensões significativamente adicionais no seu problema, mas acho que esse não é um problema sério para o solucionador SVM moderno (independentemente do tipo Linear ou do Kernel que você adotar).