Jakie problemy występują przy dodawaniu numeru miesiąca jako cechy?

Dodanie numeru miesiąca jako cechy w modelu uczenia maszynowego może prowadzić do kilku problemów:

1. Cykliczność cechy: Numer miesiąca jest cechą cykliczną (po 12 jest 1). Jeśli przedstawi się go jako wartość numeryczną od 1 do 12, model może błędnie uznać, że 12 i 1 są bardzo różne, choć w rzeczywistości są sąsiadami.

2. Nieprawidłowe postrzeganie odległości: Model może interpretować różnicę między miesiącami jako liniową, na przykład uznając, że miesiąc 12 i 1 są najbardziej różne, co nie odzwierciedla rzeczywistości.

3. Problemy z sezonowością: Jeśli model nie uwzględnia cykliczności, może mieć trudności z wychwyceniem wzorców sezonowych.

Aby uniknąć tych problemów, zwykle stosuje się przekształcenie cech cyklicznych w dwie składowe za pomocą funkcji sinus i cosinus:

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

W ten sposób model widzi miesiąc jako punkt na okręgu, co odzwierciedla cykliczność i poprawia jakość uczenia się.