Tous les prédicteurs binaires dans une tâche de classification

Question

Je réalise mon analyse en utilisant R, je vais mettre en œuvre quatre algorithmes.

1. RF 
2. Log Reg 
3. SVM 
4. LDA 

J'ai 50 prédicteurs et 1 variable cible. Tous mes prédicteurs et variables cibles ne sont que des nombres binaires 0 et 1.

J'ai les questions suivantes:

Should I convert them all into factors? 
Converting them into factors, and applying RF algorithms give 100% accuracy, I am very much surprised to see that as well. 
Also, for other algorithms, how should i treat my variables priorly, before feeding them into my other algorithms. 

Merci

Answer 1

Si vous variables/facteurs prédictifs sont catégoriques, alors il est préférable de les convertir à des facteurs. Sinon, il est probable qu'ils seront traités comme des valeurs numériques.

Si vous effectuez une tâche de classification, il est préférable d'utiliser la variable cible/réponse comme facteur.

Il est également préférable de consulter la documentation des fonctions que vous utilisez pour vous assurer qu'elles ne convertiront pas les facteurs en valeurs numériques.

Answer 2

utilisation AdaBoost ...

Jetez un oeil à différents noyaux de Kaggle, en particulier la Mercedes un, pour obtenir l'idée de la mise en œuvre AdaBoost.

https://www.kaggle.com/c/mercedes-benz-greener-manufacturing/kernels

L'ensemble de données est mélangé à la fois numérique et facteurs et 0s, 1s.