机器学习与深度学习 / 系统课时

提取时间特征

提取时间特征

学习目标

  • 从时间戳提取周期与间隔信息
  • 避免时区和未来信息泄漏
  • 为周期性特征选择合适表示

时间戳本身通常不够

原始时间戳是一个连续数值,但业务规律常表现为小时、星期、月份、节假日和距离某事件的间隔。例如外卖需求可能受用餐时段影响,用户流失可能与“距上次登录天数”相关。

提取前要明确时区和预测时点。服务器 UTC 时间与用户本地时间混用,会让小时和日期特征发生偏移。

提取基础时间特征

python
import pandas as pd

data = pd.DataFrame({
    "event_time": [
        "2026-07-01 09:30:00+08:00",
        "2026-07-05 21:15:00+08:00",
    ],
    "last_order_time": [
        "2026-06-28 12:00:00+08:00",
        "2026-07-01 18:00:00+08:00",
    ],
})

data["event_time"] = pd.to_datetime(data["event_time"])
data["last_order_time"] = pd.to_datetime(data["last_order_time"])

data["hour"] = data["event_time"].dt.hour
data["weekday"] = data["event_time"].dt.weekday
data["is_weekend"] = (data["weekday"] >= 5).astype(int)
data["days_since_last_order"] = (
    data["event_time"] - data["last_order_time"]
).dt.total_seconds() / 86400

print(data[[
    "hour", "weekday", "is_weekend", "days_since_last_order"
]].round(2))

预期输出:

text
   hour  weekday  is_weekend  days_since_last_order
0     9        2           0                   2.90
1    21        6           1                   4.14

周期特征的边界

小时 23 和小时 0 在真实时间上相邻,但直接使用整数时距离为 23。对于线性模型,可把小时转换为正弦和余弦两个周期特征;树模型通常能通过多次分裂学习部分周期关系,但显式周期编码仍可能有帮助。

月份、星期等类别也不能简单解释为线性大小。是否需要独热编码、周期编码或保留整数,取决于模型类型和数据量。

防止时间泄漏

“距上次事件时间”必须以预测时刻为截止点,不能使用预测后发生的事件。窗口统计也只能聚合历史数据。例如预测 7 月 10 日是否购买时,不能使用 7 月 11 日的订单。

建议为每条训练样本保存 cutoff_time,所有时间特征都以该时间向前计算。这样能明确审计数据边界。

时间特征验收

使用跨日、跨月、闰日和夏令时样本做边界测试。虽然中国标准时间没有夏令时,跨国业务仍可能遇到本地时间回拨或跳时。训练数据和接口应保存带时区时间,展示时再转换,避免无时区字符串被不同服务作不同解释。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

提取时间特征

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通