Neural-Networks
神經網絡的編碼日期/時間（循環數據）
如何為神經網絡編碼事件的日期和時間？
我沒有連續的時間序列，而是一些有日期和時間的事件，我分析了某種興趣。這種興趣在早上和晚上不同，在工作日之間，在夏季和冬季之間，在聖誕節和復活節之前等等。並且事件本身隨著時間的推移具有很強的不均勻分佈（白天多於晚上，有些種類在一周內更多，有些在周末更多）。
我嘗試將其編碼為一年中的周數，工作日 1-7 和一天中的小時。但是使用稀疏的自動編碼器給我的印像是我的數據對神經網絡沒有任何意義，即使有一個很大的隱藏層，它甚至無法在輸入附近重現任何東西。既不是分類 0-1，也不是標準化值。
但是搜索神經網絡的時間編碼主要是提供有關時間序列的信息，所以我有點被森林蒙住了眼睛，而是在尋找樹。
當然，我可以查看數據並粗略地對其進行或多或少的專制分類。但深度學習的概念似乎掃除了所有手工製作的手動特徵提取。並且分類會在一個自然連續的輸入變量中插入大的跳躍。
我大腦中的“自然編碼”更像是“夜晚”、“早上”、“工作日”等某些類別的模糊隸屬關係。
為了使整個事情更有趣，從屬變量也包含那些日期/時間數據，但這是一個不同的問題。
編輯：在某種程度上與循環類型的數據相關的是一些最近的問題，比如
我正在尋找類似問題的答案並偶然發現了這個線程。這篇博文探討了正弦編碼的思想：
伊恩的回答完全滿足了我的需求，所以我想把它貼在這里以備將來記憶。