如何使时间数据具有周期性以进行预测？
有许多方法可以处理时间数据。有时人们可以将其用作时间序列，以考虑可能的趋势。有时这是不可能的，因为不能按时间顺序安排时间。例如，如果一个月中的数据集中只有工作日（1到7）。在这种情况下，可以使用单热编码。但是，考虑一天中的几分钟或几秒钟，一次热编码可能会导致高度复杂。另一种方法是使时间循环。这种方法导致较低的维度和（也许）更好的预测能力。
但是循环时间是什么意思？
循环时间是一个假设时间为圆的概念。星期日12:00午夜与星期一0:00相同。上一年的最后一秒的结束与下一年的第一秒的开始等相同。可以通过交叉验证或与目标特征的相关性来证明此方法是否合适。
如何使数据具有周期性？
在许多博客文章中，建议使用正弦函数。例如，对于七个工作日，例如（蓝色）：
值= sin（2π* time / 7）
或一周内从零到零（绿色）：
值= sin（2π* time / 14）
或一周中的两个周期（红色）：
值= sin（2π*时间/3.5）
让我们看一下函数“值”：
人物创建由wzgrapher
但是在特定时间段内有多少个周期？
这要看情况-和数据。如果有扎实的理论，为什么必须要有2、4或8个循环；完善。然而，必须检查多少个周期是合适的。
此外，尚不清楚循环何时开始。如果在周一，周日或周六是一周...？
一个好主意是改变周期（周）的开始（分别是结束）。例如，将星期六定为一周的第一天。（不要忘了验证哪个班次最好）
现在，让我介绍一种替代方法，该方法有时会比正弦函数产生更好的结果。
从三维函数开始：
周期=时间^ 2 +值^ 2
解决“价值”：
值=（周期-时间^ 2）^ 0.5
让我们通过将周期设置为等于1 =红色，2 =蓝色，3 =绿色来查看“值” ：
wzgrapher创建的图
此功能具有两个重要功能：
1）直径由“循环”决定
2）半径为直径/ 2的圆
因此，要将功能调整到七个工作日，必须找到七个直径：
0 =（周期-时间^ 2）^ 0.5
（因为直径是值= 0时的宽度）
现在解决它以“循环”：
周期=时间^ 2
关于半径=直径/ 2，我们必须将时间设置为（max_time）/2。  注意：（max_time）/ 2 =半径。对于7/2的工作日：
周期=半径^ 2
此外，必须将函数右移-半径右移：
value_cyc =（半径^ 2-（半径-时间）^ 2）^ 0.5
现在，让我们看一下七个工作日1至7 （红色）中的 “ value_cyc”函数。为了与提到的正弦函数比较（蓝色）
value_sin = sin（2π* time / 14）* 3.5
被添加：
wzgrapher创建的图
区别在于斜率。函数“ value_cyc”以更大的增量开始，从而导致该周期开始和结束时的值更高。这种效应使得周围类似时期的中心成果，并区分更从一开始和结束宣判中心-相比，“value_sin”。
请注意，使数据具有周期性并非总是一个好主意。如果期间的长度不一样（例如，月日），请小心！

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！