Quali problemi si verificano aggiungendo il numero del mese come attributo?

Aggiungere il numero del mese come caratteristica in un modello di apprendimento automatico può portare a diversi problemi:

1. Ciclicità della caratteristica: Il numero del mese è una caratteristica ciclica (dopo 12 viene 1). Se rappresentato come un valore numerico da 1 a 12, il modello potrebbe interpretare erroneamente che 12 e 1 siano molto diversi, anche se in realtà sono vicini.

2. Percezione errata delle distanze: Il modello può interpretare la differenza tra i mesi come lineare, ad esempio considerando che il mese 12 e il 1 siano i più diversi, cosa che non rispecchia la realtà.

3. Problemi con la stagionalità: Se il modello non tiene conto della ciclicità, potrebbe avere difficoltà a catturare i pattern stagionali.

Per evitare questi problemi, si applica generalmente una trasformazione delle caratteristiche cicliche in due componenti usando seno e coseno:

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

In questo modo, il modello vede il mese come un punto su una circonferenza, riflettendo la ciclicità e migliorando la qualità dell'apprendimento.