Como codificar a data e hora de um evento para uma rede neural?
Não tenho uma série temporal contínua, mas alguns eventos com data e hora, e analiso algum tipo de interesse. Esse interesse difere entre manhãs e tardes, e entre dias úteis, e entre verão e inverno, e antes do Natal e da Páscoa, e assim por diante. E os eventos em si têm uma forte distribuição não uniforme ao longo do tempo (mais durante o dia do que à noite, alguns tipos mais durante a semana, outros mais no fim de semana).
Tentei codificá-lo como Número de semana no ano, Dia da semana 1-7 e Hora do dia. Mas brincar com um codificador automático esparso me deu a impressão de que meus dados não fazem sentido para uma rede neural; eles nem sequer podiam reproduzir nada perto da entrada, mesmo com uma grande camada oculta. Nem como categoria 0-1 nem como valores normalizados.
Mas procurar a codificação do tempo para uma rede neural fornece principalmente informações sobre séries temporais, por isso estou um pouco vendado pela floresta, mas procurando pela árvore.
É claro que eu poderia examinar os dados e categorizá-los mais ou menos despóticos. Mas o conceito de Deep Learning parece varrer toda a extração manual de recursos artesanal. E a categorização iria inserir grandes saltos em uma variável de entrada naturalmente contínua.
Minha "codificação natural" no meu cérebro é mais como uma associação confusa a algumas categorias como "noite", "manhã", "dia da semana" e assim por diante.
Para tornar tudo mais interessante, também a variável dependente contém esses dados de data / hora, mas essa é uma pergunta diferente.
EDIT: De alguma forma relacionados ao tipo cíclico de dados, há algumas perguntas recentes, como
Quais testes estatísticos são razoáveis com esse conjunto de dados da hora do dia?