如何为神经网络编码事件的日期和时间？
我没有连续的时间序列，而是一些有日期和时间的事件，我分析了某种兴趣。这种兴趣在早上和晚上不同，在工作日之间，在夏季和冬季之间，在圣诞节和复活节之前等等。并且事件本身随着时间的推移具有很强的不均匀分布（白天多于晚上，有些种类在一周内更多，有些在周末更多）。
我尝试将其编码为一年中的周数，工作日 1-7 和一天中的小时。但是使用稀疏自动编码器给我的印象是我的数据对神经网络没有任何意义，即使有一个很大的隐藏层，它甚至无法在输入附近重现任何东西。既不是分类 0-1，也不是标准化值。
但是搜索神经网络的时间编码主要是提供有关时间序列的信息，所以我有点被森林蒙住了眼睛，而是在寻找树。
当然，我可以查看数据并粗略地对其进行或多或少的专制分类。但深度学习的概念似乎扫除了所有手工制作的手动特征提取。并且分类会在一个自然连续的输入变量中插入大的跳跃。
我大脑中的“自然编码”更像是“夜晚”、“早上”、“工作日”等某些类别的模糊隶属关系。
为了使整个事情更有趣，从属变量也包含那些日期/时间数据，但这是一个不同的问题。
编辑：在某种程度上与循环类型的数据相关的是一些最近的问题，比如