Quels problèmes rencontrons-nous lors de l'ajout du numéro du mois en tant que caractéristique?

L'ajout du numéro du mois en tant que caractéristique dans un modèle d'apprentissage automatique peut entraîner plusieurs problèmes :

1. Cyclicité de la caractéristique : Le numéro du mois est une caractéristique cyclique (après 12 vient 1). Si on le représente comme une valeur numérique de 1 à 12, le modèle peut mal interpréter que 12 et 1 sont très différents, alors qu'en réalité ils sont voisins.

2. Perception incorrecte des distances : Le modèle peut interpréter la différence entre les mois comme linéaire, par exemple en considérant que le mois 12 et le 1 sont très différents, ce qui ne correspond pas à la réalité.

3. Problèmes avec la saisonnalité : Si le modèle ne prend pas en compte la cyclicité, il peut avoir du mal à capturer les motifs saisonniers.

Pour éviter ces problèmes, on applique généralement une transformation des caractéristiques cycliques en deux composantes à l'aide du sinus et du cosinus :

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

Ainsi, le modèle voit le mois comme un point sur un cercle, ce qui reflète la cyclicité et améliore la qualité de l'apprentissage.