我有一个由5个温度值组成的1000个样本的l2维数据集， 5 个价格值，一个代表人类专家判断的整数值(未决定=0，好=1，坏=2，危险=4)和一个我想学习预测的二元决策变量。
如何找到能够处理这种异构数据的分类器？
我正在考虑为每个可能的人类判断(0,1,2,4)构建一个分类器，所以 4 个分类器。 因此，对于每个人类判断值，我会: - 集中并降低温度和价格值 - 也许使用PCA删除一些不相关的特征 - 使用机器学习方法进行分类(如多层神经网络或 SVM)
我的方法正确吗？ (如果有 1000 种可能的人类判断而不是 4 种怎么办？)
最佳答案
SVM 或 ANN 类别编码的典型方式是 1-of-C 编码:
- Neural Network FAQ -Subject: How should categories be encoded?
- A Practical Guide to Support Vector Classification - 2.1 分类特征
一般来说，几乎每个分类器都可以处理异构数据。但您必须对输入进行预处理(缩放、标准化……)。我给你的链接中应该有很多提示。
关于machine-learning - 异构数据分类器，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/10349729/