Machine learning 机器学习算法中的循环数据

我有一个循环数据（HSL的颜色分量色调），我需要在一个机器学习算法中使用它作为预测器。 如何将其转换为正则连续变量

为了澄清这个问题，假设我们有一个红色的物体。例如，预测器色调在两个分离的范围[0,60]和[300359]中取其值。大多数机器学习算法都会找到预测值的平均值。因此，平均值将位于参考青色的范围[150210]内！这是因为色调是圆形数据

---

任何帮助都将不胜感激

将单个数字循环数据分解为二维x、y或cos0/sin0数据

把时间想象成数据

11:59.35。。。下午（14399）距离上午12:00（00000）还有一分钟

但是算法解释了14399.35。。离00000很远，而实际上他们应该很近

我建议的选项是将数据映射到单位圆中的点。 从这里有两种方法来转换数据

从单位圆中获取数据的x，y坐标 例14399.35=[-0.01,0.99] 00000.00=[00.0,1.00]

获取单位圆中各点相对于中心的正/余弦 例14399.35=[0.1，-0.9] 00000.00=[0.89，-0.4]

因此，我们得到的结果是，循环数据现在具有彼此可比的值

---

注意：这些不是精确的值，它们只是用于演示

这似乎回答了您的问题