如何处理具有分类属性的SVM

我有35个维度的空间（属性）。我的分析问题是一个简单的分类问题。

在35个维度中，超过25个是分类类别，每个属性采用50多种类型的值。

在这种情况下，引入虚拟变量对我也不起作用。

如何在具有很多分类属性的空间上运行SVM？

1. 如果确定类别属性实际上是序数，则只需将其视为数字属性即可。
2. 如果不是，请使用一些编码技巧将其转换为数值属性。根据libsvm作者的建议，可以简单地使用1-of-K编码。例如，假设一维类别属性从获取值。只是把它变成3维数，且有甲= （1 ，0 ，0 ），乙= （0 ，1 ，0 ），C ^ = （0 ，0 ，1 $\{A,B,C\}$$A = (1,0,0)$$B = (0,1,0)$$C = (0,0,1)$。当然，这将在您的问题中带来很多额外的维度，但是对于现代SVM求解器（无论您采用的是线性类型还是内核类型），这都不是一个严重的问题。