机器学习的周期性数据(像度角度 - > 179与-179不同)

正如Tal Darom在评论中所写,你可以x用两个特征替换每个周期特征,cos(x)并sin(x)在归一化为弧度之后.这解决了359≈1问题:

>>> def fromdeg(d):
...     r = d * np.pi / 180.
...     return np.array([np.cos(r), np.sin(r)])
... 
>>> np.linalg.norm(fromdeg(1) - fromdeg(359))
0.03490481287456796
>>> np.linalg.norm(fromdeg(1) - fromdeg(180))
1.9999238461283426
>>> np.linalg.norm(fromdeg(90) - fromdeg(270))
2.0

norm(a - b)是矢量a和矢量之间良好的欧几里德距离b.正如您可以使用简单的绘图验证,或者通过意识到这些(cos,sin)对实际上是单位圆上的坐标,这个距离是这两个(cos,sin)向量之间的最大值(和点积最小)当原始角度相差180°时.