Koji problemi nastaju prilikom dodavanja broja meseca kao atributa?

Dodavanje broja meseca kao karakteristike u modelu mašinskog učenja može dovesti do nekoliko problema:

1. Cikličnost karakteristike: Broj meseca je ciklična karakteristika (posle 12 dolazi 1). Ako je predstavimo kao numeričku vrednost od 1 do 12, model može pogrešno da interpretira da su 12 i 1 veoma različiti, iako su u stvari susedni.

2. Pogrešno percipiranje udaljenosti: Model može tumačiti razliku između meseci kao linearnu, na primer, smatrajući da su mesec 12 i 1 najrazličitiji, što ne odražava stvarnost.

3. Problemi sa sezonalnošću: Ako model ne uzme u obzir cikličnost, može imati poteškoće u prepoznavanju sezonskih obrazaca.

Da bi se izbegli ovi problemi, obično se primenjuje transformacija cikličnih karakteristika u dve komponente pomoću sinusa i kosinusa:

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

Na ovaj način, model vidi mesec kao tačku na krugu, što odražava cikličnost i poboljšava kvalitet učenja.