数据挖掘 - 如何使用一天中的几个小时作为连续特征？ - 吾爱随笔录

数据挖掘特征选择特征工程

2021-10-04 11:00:27

我想使用一天中的小时 (0-23) 作为连续特征，因此模型将知道 12pm 出现在 13:00 之前，并且 8:00 离 21:00 比 10:00 更远。我如何设计此功能，以便它也能理解 0:00 在 23:00 之后？

2个回答

好问题。

我想说你应该使用傅立叶变换或正弦/余弦变换，因为它们应该在 23 旁边得到 0。下面的帖子正在讨论转换日特征，但在这里应该很容易适用。

请注意，如果您想建立一个循环的顺序关系，您最终会遇到矛盾。事实上，你得到：0:00 < 23:59 < 0:00。

如果您只想计算距离而放弃连续性，您可以按如下方式进行。

首先，您以分钟为单位转换域 hh:mm，然后线性映射为 0 到 0 之间的整数 $2^k-1$ . 转换函数可能是

f (h, m) = r o u n d (\frac{60 h + m}{60 \cdot 23 + 59} \times (2^{k} - 1))

$f(h,m)=\mathrm{round}\left(\frac{60h+m}{60\cdot23+59}\times (2^k-1)\right)$ 您可以选择

k = 10

$k=10$ . 使用比精确表示时间所需的位更少的位可能会更好（如果不使用秒，则精确时间需要 11 位，但不是全部

2^{11}

$2^{11}$ 使用配置）。

然后，你编码 $f(h,m)$ 带有格雷码。格雷码确保以最多一位改变的方式对连续数字进行编码；此外，代码是循环的，因为 $0$ 和编码 $2^k-1$ 仅相差一位。

最后，您可以通过按位汉明距离来评估两个时刻之间的距离，该距离计算两个代码之间不同位的数量。

如果您想要更精确，您可以相应地使用秒数。

其它你可能感兴趣的问题