¿Mezclando datos continuos y binarios con SVM lineal?

Así que he estado jugando con SVM y me pregunto si esto es algo bueno:

Tengo un conjunto de características continuas (0 a 1) y un conjunto de características categóricas que convertí en variables ficticias. En este caso particular, codifico la fecha de la medición en una variable ficticia:

Hay 3 períodos de los que tengo datos y reservé 3 números de función para ellos:

20: 21: 22:

Entonces, dependiendo de qué período provengan los datos, se asignarán 1 características diferentes; los otros obtendrán 0.

¿Funcionará correctamente la SVM con esto o es algo malo?

Yo uso SVMLight y un núcleo lineal.

Los SVM manejarán tanto las variables binarias como las continuas siempre que realice algún preprocesamiento: todas las características deben escalarse o normalizarse. Después de ese paso, desde la perspectiva de los algoritmos, no importa si las características son continuas o binarias: para los binarios, ve muestras que están "lejos" o muy similares; para continuo también están los valores intermedios. El núcleo no importa con respecto al tipo de variables.

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

• Reescalar características continuas acotadas: todas las entradas continuas que están acotadas, reescalarlas a hasta x = 2 x - max - $[-1, 1]$ .$x = \frac{2x - \max - \min}{\max - \min}$
• $\mu$$\sigma$$x = \frac{x - \mu}{\sigma}$
• Binarizar características categóricas / discretas: para todas las características categóricas, representarlas como múltiples características booleanas. Por ejemplo, en lugar de tener una característica llamada matrimonio_estado, tenga 3 características booleanas: casada_estado_solidario, casada_estado_mariado, casada_estado_divorciado y establezca adecuadamente estas características en 1 o -1. Como puede ver, para cada característica categórica, está agregando k característica binaria donde k es el número de valores que toma la característica categórica.

$\mathbb{R}^n$

$\mathbb{R}^n$