我正在使用SVM-pref（http://svmlight.joachims.org）来解决二进制分类问题。我对这个软件包没有多少经验，因此我寻求以下问题的帮助：
（1）我的功能都是离散的/名义上的。是否有一种特殊的方式来表示特征向量，例如将标称值转换为连续值的特殊方法，或者我们只是替换虚拟数字的标称值，如1,2,3等等？
（2）如果第一个问题的答案是我们用虚拟数字替换名义值，那么我的第二个问题是我们从1开始编号特征值，所以我们有1：1而不是1：0否则学习者会考虑零值特征，因为不存在。那是对的吗？
（3）如何配置最佳-c值和其余参数的值？是仅通过错误和试验还是用其他方法来决定这些参数？
答案 0 :(得分：1)
要在SVM中使用分类特征，必须使用虚拟变量对它们进行编码，例如： one-hot coding。对于该类别的每个级别，您应该引入一个维度。对于级别为A，B和C的要素，此类似的内容：
A - ＆gt; [1,0,0]
B - ＆gt; [0,1,0]
C - ＆gt; [0,0,1]
请参阅上一个问题的答案：每个分类级别使用一个维度。
通常，这是通过在cross-validation设置中测试可能的值来完成的。
答案 1 :(得分：0)