원형 데이터 (HSL의 색상 구성 요소 Hue)가 있고이를 기계 학습 알고리즘 중 하나에서 예측 자로 사용해야합니다. 정규 연속 변수로 어떻게 변환 할 수 있습니까?
문제를 명확히하기 위해 빨간색 물체가 있다고 가정합니다. 예를 들어, 예측 자 색조 는 두 개의 분리 된 범위 [0, 60] 및 [300, 359]에서 값을 취합니다. 대부분의 기계 학습 알고리즘은 예측 변수의 평균 (평균)을 찾습니다. 따라서 평균은 청록색을 나타내는 [150, 210] 범위에 속합니다! 색조는 원형 데이터이기 때문에 발생합니다 ..
어떤 도움을 주시면 감사하겠습니다!
한 자리 원형 데이터를 2 차원 x, y 또는 cos0 / sin0 데이터로 분해합니다.
시간을 데이터라고 상상해보십시오.
11 : 59.35 ... PM (14399)은 12:00 AM (00000)에서 1 분 거리입니다.
하지만 알고리즘은 14399.35 ..를 00000에서 멀리 떨어져있는 것으로 해석합니다.
내가 제안하는 옵션은 데이터를 단위 원의 점으로 매핑하는 것입니다. 여기에서 데이터를 변환하는 두 가지 방법이 있습니다.
단위 원 ex에서 데이터의 x, y 좌표를 가져옵니다. 14399.35 = [-0.01, 0.99] 00000.00 = [00.0, 1.00]
중심 ex를 기준으로 단위 원에서 점의 sin / cos를 구합니다. 14399.35 = [0.1, -0.9] 00000.00 = [0.89, -0.4]
따라서 순환 데이터가 이제 서로 비교할 수있는 값을 갖는 결과를 얻습니다.
참고 :이 값은 정확한 값이 아니며 데모를 위해 여기에 있습니다.
이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.
침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제
몇 마디 만하겠습니다