python - 使用涉及开始和结束时间的数据进行二元预测

Question

我有一个关于包裹投递的数据集，其中包含行程时间、计划投递时间、实际投递时间、延误和计划投递时间等列。在此基础上，我需要预测交货是否会按时。以下是数据集:

我计划使用 sklearn 的 LabelEncoder() 来实现分类特征，然后将此数据拟合到 DecisionTreeClassifier()。我的问题是，我应该转换包含 TIME 的特征还是保留它？时间值 1955 表示 19:55，735 表示 07:35。我正在使用Python。

Answer 1

由于 19:59 的 1959 值与 20:00 的 2000 值之间的差异基本上只有 1 分钟，因此使用此类数据会丢失该上下文表示。例如，您的模型会将这两个示例之间的差异理解为 1900 和 1941 之间的差异，这根本不是您打算做的发生。

我无法从数学上向你证明这会导致你的训练模型出现错误，但这是非常糟糕的做法。如果可能的话，我会转换为更统一的其他内容，例如自 00:00(午夜)以来的分钟数:

def time_converter(time_str):
    hours = int(time_str[:2])
    minutes = int(time_str[2:])
    time_since_midnight = (hours * 60) + minutes
    return time_since_midnight

time_converter('1940') # will return 1180 integer for 1180 minutes since midnight

当然，对数据中的所有时间都进行一致的操作，以避免任何误传