神经网络、支持向量基建模时，对于类别型、有序型的输入变量该如何进行预处理？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

近期在学习神经网络和支持向量基，看了不少例子，基本上输入变量都是连续型，而实际应用场景中会出现不少类别型的输入变量，这些变量可能是标记型（是1/否0）、类别型（1、2、3代表几类）、有序型（1、2、3有序的类别),对于这些类型的变量在建模时又该如何处理？是转化为虚拟变量？还是？请专业前辈指点指点！或者推荐优秀书籍可供学习，万谢！
另有一疑问，本人在试验神经网络时,使用了SPSS modoler 一开始是将几种类型的变量都作为输入，末作任何预处理，最终模型自已选择出有影响的变量，基本都是连续型变量，预测准确率在78%。
当我只选择连续型的变量，并且对变量用极差法做归一化后再参与建模，有影响的变量出现较大变化，预测准确率下降为75%，但对于yes类的响应率都有显著的提升。是否应以第二种结果为准？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：预测准确率 连续型变量 支持向量基 神经网络 输入变量

这部分，是数据分析中，最艺术的部分，全凭工匠手艺之熟练程度。。一个主题词”Feature Engineering“，可查到一些有关这方面的书或研究论文。 是否有用，全凭你的经验！！！

jgchen1966 发表于 2018-12-8 18:47
这部分，是数据分析中，最艺术的部分，全凭工匠手艺之熟练程度。。一个主题词”Feature Engineering“，可 ...

谢谢前辈！看来这是要不断尝试并结合产出价值来决定的！

多谢多谢！！！