Jaké problémy vznikají při přidávání čísla měsíce jako znaku?

Přidání čísla měsíce jako vlastnosti do modelu strojového učení může vést k několika problémům:

1. Cykličnost vlastnosti: Číslo měsíce je cyklická vlastnost (po 12 přichází 1). Pokud ji představíme jako číselnou hodnotu od 1 do 12, model může nesprávně interpretovat, že 12 a 1 jsou velmi odlišné, i když jsou ve skutečnosti sousední.

2. Nesprávné vnímání vzdáleností: Model může interpretovat rozdíl mezi měsíci jako lineární, například považovat měsíc 12 a 1 za nejvíce odlišné, což neodpovídá realitě.

3. Problémy s sezónností: Pokud model nezohlední cykličnost, může mít potíže s zachycením sezónních vzorů.

Abychom těmto problémům předešli, obvykle se provádí transformace cyklických vlastností do dvou složek pomocí sinu a cosinu:

import numpy as np
month = 1  # příklad měsíce
month_sin = np.sin(2 * np.pi * month / 12)
month_cos = np.cos(2 * np.pi * month / 12)

Tímto způsobem model vidí měsíc jako bod na kruhu, což odráží cykličnost a zlepšuje kvalitu učení.