根据您要建模的内容，小时（以及许多其他属性，如季节）实际上是序数循环变量。如果是季节，您可以认为它们或多或少是分类的，如果是小时，您也可以将它们建模为连续的。

但是，在您的模型中以不为您考虑周期性的形式使用小时数不会有成效。相反，试着想出某种转变。使用小时，您可以使用三角法

xhr = sin(2*pi*hr/24)
yhr = cos(2*pi*hr/24)

因此，您将改为使用xhrandyhr进行建模。例如，参见这篇文章：在线性回归中使用循环预测器。

一天中的时间最好不要表示为分类变量，因为这些值是自然排序的。例如，头发颜色是分类的，因为类别的顺序没有意义 - {red, brown, brown} 与 {blonde, brown, red} 一样有效。另一方面，一天中的时间有一个自然的排序——上午 9 点比下午 6 点更接近上午 10 点或上午 8 点。最好将其视为离散的序数变量。它具有循环的附加特征，因为上午 12 点在晚上 11 点之后并在凌晨 1 点之前。

从理论上讲，它取决于您如何格式化变量，即它可以是“连续的”（用单个系数建模）或分类的（一天中每个“小时”的系数）。您也可以混合使用这两种功能，例如分段功能。

实际上，因为 0 和 23 基本上是一天中的同一“小时”，所以我会考虑将一天中的时段分组为更大、更同质和可信的分组。例如，以 8 小时为增量 - 8am-4pm、4pm-12am 和 12-8am。