Döngüsel Sırasal özellikleri dönüştürmenin iyi bir yolu nedir?

Özelliğim olarak 'hour' alanını kullanıyorum, ancak döngüsel bir değer alıyor. '23' ve '0' saat gibi bilgileri korumak için bu özelliği nasıl dönüştürebilirim?

Düşünebilmemin bir yolu dönüşüm yapmak. min(h, 23-h)

Input: [0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]

Output: [0 1 2 3 4 5 6 7 8 9 10 11 11 10 9 8 7 6 5 4 3 2 1]

Bu niteliklerle başa çıkmak için herhangi bir standart var mı?

Güncelleme: Ben rastgele orman sınıflandırıcı yetiştirmek için denetimli öğrenme kullanacağım!

Saati dönüştürmenin en mantıklı yolu, lavabonun içinde ileri geri sallanan iki değişkendir. 24 saatlik bir saatin saat elinin sonunun konumunu hayal edin. xKonum hali ile ileri ve lavabo üzerinden geri ypozisyonda. 24 saatlik saat biçimi için size bu başarabilirsiniz x=sin(2pi*hour/24), y=cos(2pi*hour/24).

Her iki değişkene de ihtiyacınız var veya zaman içinde doğru hareket kaybedilir. Bunun nedeni ya günahın ya da cos'un türevinin, (x,y)pozisyonun birim çember etrafında hareket ederken yumuşak bir şekilde değiştiği zaman içerisinde değişmesidir.

Son olarak, ilk zamanın başlangıcından itibaren saat (veya dakika veya saniye) veya bir Unix zaman damgası veya benzeri bir şey oluşturulabilen lineer zamanı izlemek için üçüncü bir özellik eklemenin faydalı olup olmadığını düşünün. Bu üç özellik daha sonra zamanın hem döngüsel hem de doğrusal ilerlemesi için proxy'ler sağlar; örneğin, insanların hareketlerinde uyku döngüleri gibi döngüsel fenomenleri ve ayrıca zamana göre popülasyona benzer lineer büyümeyi çıkarabilirsiniz.

Bu yardımcı olur umarım!

Başka bir cevap için oluşturduğum ilgili bazı örnek kodları ekleyin:

Gerçekleştirilip gerçekleştirilmediği

# Enable inline plotting
%matplotlib inline

#Import everything I need...

import numpy as np
import matplotlib as mp

import matplotlib.pyplot as plt
import pandas as pd

# Grab some random times from here: https://www.random.org/clock-times/
# put them into a csv.
from pandas import DataFrame, read_csv
df = read_csv('/Users/angus/Machine_Learning/ipython_notebooks/times.csv',delimiter=':')
df['hourfloat']=df.hour+df.minute/60.0
df['x']=np.sin(2.*np.pi*df.hourfloat/24.)
df['y']=np.cos(2.*np.pi*df.hourfloat/24.)

df

def kmeansshow(k,X):

    from sklearn import cluster
    from matplotlib import pyplot
    import numpy as np

    kmeans = cluster.KMeans(n_clusters=k)
    kmeans.fit(X)

    labels = kmeans.labels_
    centroids = kmeans.cluster_centers_
    #print centroids

    for i in range(k):
        # select only data observations with cluster label == i
        ds = X[np.where(labels==i)]
        # plot the data observations
        pyplot.plot(ds[:,0],ds[:,1],'o')
        # plot the centroids
        lines = pyplot.plot(centroids[i,0],centroids[i,1],'kx')
        # make the centroid x's bigger
        pyplot.setp(lines,ms=15.0)
        pyplot.setp(lines,mew=2.0)
    pyplot.show()
    return centroids

Şimdi deneyelim:

kmeansshow(6,df[['x', 'y']].values)

Sadece gece yarısından önce yeşil kümenin dahil olduğu gece yarısından sonra olanların olduğunu ancak zar zor görebilirsiniz. Şimdi küme sayısını azaltalım ve gece yarısından önce ve sonra tek bir kümeye daha ayrıntılı bir şekilde bağlanabileceğini gösterelim:

kmeansshow(3,df[['x', 'y']].values)

Mavi kümenin gece yarısından önce ve sonra aynı kümede birlikte kümelenmiş zamanları nasıl içerdiğini görün ...

QED!

Soru çok ilginç ve ilginç cevaplar hakkında okumayı hatırlamıyorum. Bu nedenle, yeterince çılgınca görünse de size olası bir çözümü vermeye cesaret ederim.

Genellikle bir çok kişi aynı bilgiyi çoklu özelliklerde kullanmaktan kaçınır, çünkü birçok algoritma bununla başa çıkamaz. Ancak bu rastgele orman durumu değildir. Buna karşılık doğrusal regresyona (ve benzer fikirlere dayanan tüm modellere) zıt olan rastgele ormanlar, her bir özelliği tek tek dikkate alarak tüm özellikleri test eder. Bu yolla, aynı bilgiyi öğrenme performansını, sadece alan ve çalışma süresini etkilemeden birçok yolla kodlamak mümkündür.

$(h+offset)%24$

Biraz yer ve zaman harcıyor, ama nasıl çalıştığını görmeye çalışırım.

İdeal olarak herhangi bir dönüşüme ihtiyacınız yoktur. İki nokta arasındaki bağıl zaman farkı mesafe fonksiyonu olarak kullanılabilir. Sınıflandırmanın buna dayanabileceği yer.

java'da:

public class TimeDistanceMeasurer implements DistanceMeasure {

    @Override
    public double compute(double[] a, double[] b) throws DimensionMismatchException {
        String time1 = String.format("%02d", (int)a[0]) + String.format("%02d", (int)a[0]);
        String time2 = String.format("%02d", (int)b[0]) + String.format("%02d", (int)b[0]);

        SimpleDateFormat format = new SimpleDateFormat("HHmm");
        try {
            Date date1 = format.parse(time1);
            Date date2 = format.parse(time2);
            return Math.abs(date2.getTime() - date1.getTime());
        } catch (Exception e) {
            throw new IllegalStateException("Something went wrong.", e);
        }
    }
}