python - 日期时间对像 one-hot-encoding 这样的 one-hot-vector 进行编码或其他类似的东西是否有意义

Question

我是机器学习和深度学习的新手。我想解决时间序列问题，该问题每秒都有数据。另外，我最近一直在研究word2vector和时间序列数据。有一天，我想到了一个想法，将日期时间等序列数据转换为 one-hot 编码？

    time
2017-11-01 00:00:01
2017-11-01 00:00:02
2017-11-01 00:00:03
2017-11-01 00:00:04
.
.
.

我的想法有一些局限性，如下所示，

• 学习维度过高(1day = 60* 60 * 24 = 86400(s))
• 无限时间 - 时间每时每刻都会生成，即使是现在
• 秒之间的差异太小，无法学习

我希望您确定我上面所说的有关限制的内容。另外，我想让你给我一些想法，将时间序列数据开发为机器学习和深度学习的单热向量？ +你觉得这个想法怎么样？

Answer 1

不，每秒一次的热编码没有意义。正如您所提到的，特征向量是高维的。更糟糕的是:特征向量极其稀疏。

相反，您可以:

• 按天分组:一年 365 个功能。
• 添加诸如 is_weekday、is_workday、is_saturday、is_morning、is_afternoon 等功能, ... - 这取决于您的问题中最重要的是什么!
• 也许您还可以添加一项 Unix 时间功能，但请进行标准化(均值减法、除以预期值范围)。