再见One-Hot！时间序列特征循环编码火了！

文章预览

在进行时间序列机器学习模型的训练时，通常需要利用如下时间特征： 小时、星期、月份以及周或年 。将时间戳列转换为这些特征非常简单。确保将时间列转换为日期时间对象后，你可以使用 .dt.Time 方法来提取大量的时间序列特征。 df[ 'Hour' ]=df[ 'Datetime' ].dt.hour df[ 'Month' ]=df[ 'Datetime' ].dt.month df[ 'Dayofweek' ]=df[ 'Datetime' ].dt.dayofweek 举个例子，使用一个包含每小时电力消耗数据的数据集作为参考。能源消耗数据集通常属于时间序列数据，其最终目的是利用过去的数据来预测未来的消耗量，因此这是一个很好的应用案例。尽管温度、湿度和风速等外部特征也会对能源消耗产生影响，但在这里我会着重关注时间序列特征的提取和转换。 现在你已经从 0 个可用功能变成了 3 个。 在使用 ML 时，我们需要对特征进行适当的处理，不能直接将其原样传入模型。原 ………………………………