Python 包含起始和结束时间数据的二进制预测

我有一个关于包裹交付的数据集，包括旅行时间、计划发货时间、实际发货时间、延迟和计划发货时间等列。基于此，我需要预测交货是否会准时。以下是数据集：

---

我计划使用

sklearn

的

LabelEncoder（）

进行分类功能，然后将此数据适配到

DecisionTreeClassifier（）

。我的问题是，我应该转换包含时间的特性还是离开它？时间值

1955

表示

19:55

，

735

表示

07:35

。我使用的是python。

由于19:59的

1959

值与20:00的

2000

值之间的差异基本上只有1分钟，因此使用这种数据表示会失去上下文。例如，您的模型会将这两个示例之间的差异理解为与

1900

和

1941

之间的差异相同，这根本不是您计划要发生的

我无法从数学上证明这会导致你的训练模型出现错误，但这是非常糟糕的做法。如果可能的话，我会转换成其他更统一的格式，例如从00:00（午夜）开始的分钟数：

---

当然，要在数据中始终保持一致，以避免任何误传，因为19:59的

1959

值和20:00的

2000

值之间的差异基本上只有1分钟，因此使用这种数据表示会失去上下文。例如，您的模型会将这两个示例之间的差异理解为与

1900

和

1941

之间的差异相同，这根本不是您计划要发生的

我无法从数学上证明这会导致你的训练模型出现错误，但这是非常糟糕的做法。如果可能的话，我会转换成其他更统一的格式，例如从00:00（午夜）开始的分钟数：

---

当然，在您的数据中始终要这样做，以避免任何误报，因为您有装运延迟栏，所以不需要实际装运时间和计划装运时间

而且您已经计划了行程时间，因此不需要计划交付时间

但是交付可能取决于一天中的时间（例如：上午、下午或晚上），因此您可以从实际装运时间中划分几个类别，并将这些类别用于建模

---

因此，在构建模型时不能忽略时间列。

因为有装运延迟列，所以不需要实际装运时间和计划装运时间

而且您已经计划了行程时间，因此不需要计划交付时间

但是交付可能取决于一天中的时间（例如：上午、下午或晚上），因此您可以从实际装运时间中划分几个类别，并将这些类别用于建模

---

因此，在构建模型时，不能真正忽略时间列。

不需要转换。时间值具有内在顺序（例如19:55>7:35）。此外，如果您使用的模型在最小二乘法实现（例如线性回归）中使用该功能，Ofer的观点也将有效。DT只是在值上进行分割，因此，如果您在1955年或19:55分在几分钟内进行分割，这并不重要。另外，如果你想测试线性回归，你想标准化你的特征，不需要变换。时间值具有内在顺序（例如19:55>7:35）。此外，如果您使用的模型在最小二乘法实现（例如线性回归）中使用该功能，Ofer的观点也将有效。DT只是在值上进行分割，因此，如果您在1955年或19:55分在几分钟内进行分割，这并不重要。此外，如果您想测试线性回归，您需要规范化您的功能。发货延迟可能取决于一天中的时间，因此，可能需要也可能不需要计划发货时间，这取决于。发货延迟实际上是从计划发货时间中减去实际发货时间。同意。但时差可能因一天中的时间而异。例如，很容易把计划安排在深夜，当交通很低，而不是在工作时间，当交通堵塞很频繁的时候，装运延迟可能取决于一天的时间，因此，计划的装运时间可以或不可能要求，这要看情况。发货延迟实际上是从计划发货时间中减去实际发货时间。同意。但时差可能因一天中的时间而异。例如，很容易保持在午夜的时间表，当交通很低，但不是在工作时间，当交通堵塞非常频繁。

def time_converter(time_str):
    hours = int(time_str[:2])
    minutes = int(time_str[2:])
    time_since_midnight = (hours * 60) + minutes
    return time_since_midnight

time_converter('1940') # will return 1180 integer for 1180 minutes since midnight