如何自己创建机器学习模型,机器学习的一般过程建立一个模型

表 2：训练/测试集的分数 （MAE） 比较。

• 我们展示了三种将时间相关信息编码为机器学习模型特征的方法。
• 除了最流行的虚拟编码之外，还有一些方法更适合编码时间的循环性质。
• 使用这些方法时，时间间隔的粒度对于新创建的要素的形状非常重要。
• 使用径向基函数，我们可以决定要使用的函数的数量，以及钟形曲线的宽度。

您可以在我的GitHub上找到本文中使用的代码。如果您有任何反馈，我很乐意在Twitter上讨论。

[1] 时间相关的特征工程

https://scikit-learn.org/stable/auto_examples/applications/plot_cyclical_feature_engineering.html

[2] 预处理

https://scikit-lego.readthedocs.io/en/latest/preprocessing.html

[3] 时间/日期因素

https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#time-date-components

Eryk Lewinson是一位具有定量金融背景的数据科学家。在他的职业生涯中，他曾在两家咨询公司工作，一家是金融科技规模的扩大公司，最近一次是在荷兰最大的在线零售商。在他的工作中，他使用机器学习为公司生成可操作的见解。目前，他将精力集中在时间序列预测领域。Eryk还出版了一本书 - Python for Finance Cookbook - 他在书中探讨了现代数据科学解决方案在定量金融领域的各种应用。他的书的第二版计划于2022年出版。在业余时间，他喜欢玩电子游戏，与女朋友一起旅行，并撰写与数据科学相关的主题。他的文章已被浏览超过250万次。

原文标题：

Three Approaches to Encoding Time Information as Features for ML Models

原文链接：

https://developer.nvidia.com/blog/three-approaches-to-encoding-time-information-as-features-for-ml-models/