Misturando dados contínuos e binários com SVM linear?

Então, eu tenho brincado com SVMs e me pergunto se isso é uma boa coisa a fazer:

Eu tenho um conjunto de recursos contínuos (0 a 1) e um conjunto de recursos categóricos que converti em variáveis ​​fictícias. Nesse caso em particular, codifico a data da medição em uma variável dummy:

Existem 3 períodos nos quais tenho dados e reservei 3 números de recursos para eles:

20: 21: 22:

Portanto, dependendo do período de origem dos dados, diferentes recursos receberão 1; os outros receberão 0.

O SVM funcionará corretamente com isso ou isso é uma coisa ruim a ser feita?

Eu uso o SVMLight e um kernel linear.

Os SVMs manipularão variáveis ​​binárias e contínuas, desde que você faça algum pré-processamento: todos os recursos devem ser dimensionados ou normalizados. Após essa etapa, da perspectiva dos algoritmos, não importa se os recursos são contínuos ou binários: para os binários, ele vê amostras "distantes" ou muito semelhantes; para contínuo, há também os valores intermediários. O kernel não importa em relação ao tipo de variáveis.

Replicando minha resposta de http://www.quora.com/Machine-Learning/What-are-good-ways-to-handle-discrete-and-continuous-inputs-together/answer/Arun-Iyer-1

• Recursos contínuos limitados de nova escala: todas as entradas contínuas limitadas, redimensione-as para através de x = 2 x - max - $[-1, 1]$$x = \frac{2x - \max - \min}{\max - \min}$
• $\mu$$\sigma$$x = \frac{x - \mu}{\sigma}$
• Binarizar recursos categóricos / discretos: para todos os recursos categóricos, represente-os como vários recursos booleanos. Por exemplo, em vez de ter um recurso chamado casamento_status, tenha 3 recursos booleanos - married_status_single, married_status_married, married_status_divorced e defina adequadamente esses recursos como 1 ou -1. Como você pode ver, para cada recurso categórico, você está adicionando k recurso binário em que k é o número de valores que o recurso categórico utiliza.

$\mathbb{R}^n$

$\mathbb{R}^n$