machine-learning - 可以将属性的预定义权重作为输入的分类算法

Question

我有 20 个属性和一个目标特征。所有属性都是二元的(存在或不存在)，目标特征是多项式(5类)。

但是对于每个实例，除了某些属性的存在之外，我还获得了每个存在的属性对目标特征有多少影响(范围 1-5)的信息。

如何利用我拥有的这些额外信息，并构建有助于更好地预测测试类的分类模型。

Answer 1

为什么不只使用权重作为特征，而不是使用二进制存在指示符？您可以将不存在的情况编码为连续刻度上的 0。

编辑:

您选择使用的分类器将在训练中学习特征的最佳权重以区分类别...因此，如果您没有访问权限，我不认为您可以做得更好测试重量。本质上，线性分类器正在学习以下形式的规则:

c_i = sgn(w . x_i)

您是说您可以访问权重，但没有数据的示例以及权重来自何处的解释，我不得不说我不明白您会如何使用他们(或者甚至为什么你想要——带有二进制特征的标准分类效果不够好？)