我正在使用Python进行核密度估计和高斯混合模型,以评估多维数据样本的可能性排名。每个数据都是一个角度,但我不确定如何处理角度数据的周期性问题,以便用于机器学习。
首先,我将所有负角度都加上360度,使得所有负角度变成了正角度。例如,-179度变成了181度。我认为这很好地解决了-179度等与179度相比没有明显差异的情况。但它无法解决359度与1度相似的情况。
我想到一种方法来解决这个问题,即同时保留负值和负值+360,并使用两者中的最小值,但这需要修改机器学习算法。
是否有好的预处理解决方案?是否有内置于scipy或scikit的处理方法?
谢谢!
首先,我将所有负角度都加上360度,使得所有负角度变成了正角度。例如,-179度变成了181度。我认为这很好地解决了-179度等与179度相比没有明显差异的情况。但它无法解决359度与1度相似的情况。
我想到一种方法来解决这个问题,即同时保留负值和负值+360,并使用两者中的最小值,但这需要修改机器学习算法。
是否有好的预处理解决方案?是否有内置于scipy或scikit的处理方法?
谢谢!