SVM（サポートベクターマシン）のカテゴリデータと連続データを混在させることはできますか？

私のようなデータセットがあります

+--------+------+-------------------+
| income | year |        use        |
+--------+------+-------------------+
|  46328 | 1989 | COMMERCIAL EXEMPT |
|  75469 | 1998 | CONDOMINIUM       |
|  49250 | 1950 | SINGLE FAMILY     |
|  82354 | 2001 | SINGLE FAMILY     |
|  88281 | 1985 | SHOP & HOUSE      |
+--------+------+-------------------+

LIBSVM形式のベクトル空間に埋め込みます

+1 1:46328 2:1989 3:1
-1 1:75469 2:1998 4:1
+1 1:49250 2:1950 5:1
-1 1:82354 2:2001 5:1
+1 1:88281 2:1985 6:1

機能インデックス：

• 1は「収入」です
• 2は「年」です
• 3は「use / COMMERCIAL EXEMPT」です
• 4は「使用/コンドミニアム」です
• 5は「use / SINGLE FAMILY」です
• 6は「use / SHOP＆HOUSE」です

このような連続（年、収入）データとカテゴリ（使用）データを組み合わせてサポートベクターマシン（SVM）をトレーニングしても構いませんか？

はい！しかし、おそらくあなたの言う意味ではありません。私の研究では、再帰的パーティショニングのようなアルゴリズムを使用して、継続的に評価されるものからカテゴリフィーチャを頻繁に作成します。通常、このアプローチはサポートベクターマシンのSVMLight実装で使用しますが、LibSVMでも使用しました。トレーニングと分類中に、パーティション化されたカテゴリフィーチャをフィーチャベクトル内の特定の場所に必ず割り当てる必要があります。そうしないと、モデルが不安定になります。

編集：つまり、これを行ったときに、ベクトルの最初のn個の要素を、再帰分割の出力に関連付けられたバイナリ値に割り当てます。バイナリフィーチャモデリングでは、0と1の巨大なベクトルがあるだけなので、異なるフィーチャの場所を明示的に指定しない限り、すべてはモデルと同じように見えます。ほとんどのSVM実装が独自にこれを行うと思うので、これはおそらく過度に具体的ですが、独自にプログラミングしたい場合は、考えてみてください！