如何解决将时间定义为决策树算法中的分类变量
我正在使用 LightGBM 使用决策树方法(确定几年草莓的价格)来解决时间序列回归问题。函数 lightgbm.Dataset 接受分类特征列表,我不确定该列表中是否应包含时间特征。
我已将时间索引数据分为年、月、季等:
df['year'] = pd.DatetimeIndex(df.index).year
df['month'] = pd.DatetimeIndex(df.index).month
df['week'] = np.int64(pd.DatetimeIndex(df.index).isocalendar().week)
df['day'] = pd.DatetimeIndex(df.index).dayofweek # Mon=0,...,Sun=6
df['weekend'] = np.int64(pd.DatetimeIndex(df.index).dayofweek >= 5) # weekday=0,weekend=1
# 1=winter,2=spring,3=summer,4=autumn
df['season'] = pd.DatetimeIndex(df.index).month%12 // 3 + 1
# national public holidays
df['hols'] = pd.Series(pd.DatetimeIndex(df.index)).apply(lambda x: holidays.CountryHoliday('BEL').get(x)).values.astype('bool').astype('int')
现在我正在尝试确定哪些应归类为分类变量。我看过这篇 Data Science 的帖子,但似乎仍然没有定论。
解决方法
我过去已经使用过这种时间变量,但我认为这样使用它有一个缺点。例如,看看季节和这 3 个日期:
- 1 月 10 日 -> 冬天
- 3 月 19 日 -> 冬天
- 3 月 20 日 -> 春季
您的情况最近几天? (10-01,19-03) 或 (19-03,20-03)。恕我直言,即使不是同一个季节,草莓的价格也应该更接近 (19-03,20-03) 而不是 (10-01,19-03)。
我在使用 DayOfYear (1->365) 时遇到了类似的问题:
- 2019-12-31:365
- 2020-01-01:1
- 2020-07-01:183
- 2020-12-31:365
天之间的距离不具有代表性。我解决了使用这个公式:
Value of day = min((365 - DoY(Day),(DoY(Day) - 1))
- 2019-12-31:0
- 2020-01-01:0
- 2020-07-01:182
- 2020-12-31:0
这是欧洲电力消耗的正确选择,因为负载确实是季节性的。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。