我是机器学习领域的新手，尝试使用10个人的电话记录来进行分类。
电话记录看起来像这样
UserId IsInboundCall Duration PhoneNumber(hashed)1 false 23 10111122222 true 45 1033334444使用来自sklearn的SVM对这种8700条记录进行训练，结果准确率达到了88%
我对这个结果有几个问题，
如何正确使用一些非顺序数据（例如电话号码）
- 我不确定使用散列后的电话号码作为特征是否合适，但这个多类分类器的准确率还不错，这只是巧合吗？
- 如何将非顺序数据用作特征？
- 如果这个分类器需要分类1000个类别（超过1000个用户），SVM在这种情况下还能工作吗？
任何建议对我都有帮助。谢谢
回答：
1) 尝试在不使用电话号码作为特征的情况下运行SVM，以了解它对结果的影响有多大。
2) 为了避免使用顺序数据，你可以将其转换为数字，或者使用1对K的方法。例如，如果你添加了一个电话操作系统字段，可能的值为{IOS, Android, Blackberry}，你可以将其表示为数字0,1,2，或者作为3个特征(1,0,0), (0,1,0), (0,0,1)。
3) 只要数据大致线性可分，SVM仍然可以提供良好的结果。为了实现这一点，你可能需要添加更多特征，并映射到不同的特征空间（RBF核是一个不错的开始）。
