Bagaimana menangani SVM dengan atribut kategorikal

Saya memiliki ruang 35 dimensi (atribut). Masalah analitik saya adalah klasifikasi sederhana.

Dari 35 dimensi, lebih dari 25 adalah kategorikal dan setiap atribut mengambil lebih dari 50 jenis nilai.

Dalam skenario itu, memperkenalkan variabel dummy juga tidak akan bekerja untuk saya.

Bagaimana saya bisa menjalankan SVM di ruang yang memiliki banyak atribut kategorikal?

1. Jika Anda yakin atribut kategoris sebenarnya adalah ordinal, maka anggap saja sebagai atribut numerik.
2. Jika tidak, gunakan beberapa trik pengkodean untuk mengubahnya menjadi atribut numerik. Menurut saran dari penulis libsvm, seseorang cukup menggunakan pengkodean 1-of-K. Sebagai contoh, anggaplah atribut kategori 1 dimensi mengambil nilai dari . Ubah saja menjadi angka 3 dimensi sehingga A = ( 1 , 0 , 0 ) , B = ( 0 , 1 , 0 ) , C = ( 0 , 0 , 1 $\{A,B,C\}$$A = (1,0,0)$$B = (0,1,0)$$C = (0,0,1)$. Tentu saja, ini akan menimbulkan dimensi tambahan yang signifikan dalam masalah Anda, tetapi saya pikir itu bukan masalah serius bagi pemecah SVM modern (tidak peduli tipe Linear atau tipe Kernel yang Anda adopsi).