Machine learning SVM（或其他ML模型）的预测精度在多大程度上取决于特征的编码方式？
假设对于给定的ML问题，我们有一个人拥有的汽车特征。我们可以通过以下方式之一对该信息进行编码： 为每辆车分配一个id。制作一列“CAR_Owned”，并将特征id作为值。 为每辆车做一列，根据所考虑的样品是否拥有该车，填入0或1。纵队将像宝马、奥迪一样。 在我的实验中，当使用支持向量机时，第二种方法的性能比第一种要好得多Machine learning SVM（或其他ML模型）的预测精度在多大程度上取决于特征的编码方式？,machine-learning,svm,prediction,feature-extraction,information-theory,Machine Learning,Svm,Prediction,Feature Extraction,Information Theory,假设对于给定的ML问题，我们有一个人拥有的汽车特征。我们可以通过以下方式之一对该信息进行编码： 为每辆车分配一个id。制作一列“CAR_Owned”，并将特征id作为值。 为每辆车做一列，根据所考虑的样品是否拥有该车，填入0或1。纵队将像宝马、奥迪一样。 在我的实验中，当使用支持向量机时，第二种方法的性能比第一种要好得多 编码方式是如何影响模型学习的？是否有研究编码方式影响的资源？或者我们是否需要进行点击和试验来检查它在哪里表现最好？第一种方法的问题是，您使用任意数字来表示功能，例如BMW=2等
编码方式是如何影响模型学习的？是否有研究编码方式影响的资源？或者我们是否需要进行点击和试验来检查它在哪里表现最好？第一种方法的问题是，您使用任意数字来表示功能，例如BMW=2等。SVM会认真对待这些数字，好像它们有顺序：例如，它可能会尝试使用CAR_OWNED>3的案例进行预测。
所以第二种方法更好。第2.1章分类特征：
如果你搜索svm分类特征，你会发现更多的分类特征好的，我也得到了答案。分类特征必须以布尔形式提供，原因正如您所说。按原样提供数值特征。谢谢但是仍然有关于特征编码的讨论资源吗？