带有分类和连续数据的机器学习

这个问题可能会在这里或关于...

假设您的训练数据集同时包含分类数据和连续数据，例如：

 Animal, breed,  sex, age, weight, blood_pressure, annual_cost
 cat,    calico, M,   10,  15    ,   100         , 100 
 cat,    tabby,  F,   5,   10    ,   80          , 200
 dog,    beagle, M,   3,   30    ,   90          , 200
 dog,    lab,    F,   8,   75    ,   80          , 100

可以预测的因变量是年度兽医成本。对于处理此类数据集的具体技术，我有些困惑。处理连续数据和分类数据混合的数据集的常用方法是什么？

对于类别属性的每个类别（品种，性别...），您可以向特征向量添加与该类别中可能的值数量相等的组件数量。然后，如果数据点具有第ith个值，则将这些组件中的第i个设置为1，将该属性的其余部分设置为0。

在您的示例中，对于性别，您将向特征向量添加两个新成分。如果动物是雄性，则将第一个设置为1，将第二个设置为0，反之亦然。对于动物，如果您的选择是猫，狗和鱼，那么您将使用三个部分来做同样的事情。

这些将与连续属性并存。您可能需要调整“指标值”（当属性为“ on”时使用的值）的大小，以使其与您正在使用的连续值的大小可比。

如果选择这种方式解决问题，则下一步将是选择支持向量机之类的算法，并将其作为特征向量。当然，某些方法（例如决策树）不需要我上面提到的步骤就可以开始。

您应该看一下数据预处理。它早于任何机器学习技术。这是一个很好的介绍（可从Google找到）。

关于技术，有很多不同的方法。在预处理数据之后，您可能可以使用它们中的大多数。您应该尝试一下，然后选择最适合您的需求。