功能工程：喂食360＆＃xb0;导向变量到神经网络
预测变量（x）变量可能是360°等级的方向变量。
显然，这是一个连续体，值360非常接近1。将连续变量从1到360输入到神经网络中会引入偏差。
处理此问题的最佳方法是什么？
- 一种方法可能是将值（1至360）分为类别：北 - 东北 - 东南 - 西南 - 西南 - 西部 - 韦斯特诺斯。
还有其他建议或评论吗？
A predictor (X) variable could be an orientation variable on a 360° scale.
Obviously, it is a continuum, the value 360 being very close to 1. Inputing a continuous variable from 1 to 360 into the neural network would thus introduce bias.
What would be the best way to handle this ?
- One way could be to categorizing the values (1 to 360) into categories: North - NorthEast - East - EastSouth - South - SouthWest - West - WestNorth.
Any other suggestions or comments?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
通过将您的功能表示为2维，而不是一个维度，您可以轻松地避免此问题 - 只需将其推向余弦和正弦，这样就可以将角度更改为单位圆上的点。
请注意，我们现在有
f（0）= f（2 * pi）= f（4 * pi）等等。请注意，这是在弧度中，如果您使用的学位要做By expressing your feature as 2 dimensions, instead of one you can easily avoid this problem - simply push it through cosine and sine, this way you change your angle into a point on a unit circle.
Note that we now have
f(0) = f(2*pi) = f(4 * pi)and so on. Note that this is in radians, if you are using degrees you want to do instead