模型训练时，如何纳入时间变量？
0
[已关闭问题]
关闭于 2019-04-26 13:25
手头有一批数据，其中大部分是连续型数值变量，部分是分类型变量，还有一个时间记录。
模型的目的是分析一种水质污染情况，用于监控污染物的排放，并提出针对性的方案。（主要是多家企业的排放，气象数据，水温等数据，及监测站的监测数据，这些数据都是以时间轴记录下来的）
想请教下大牛，这种情况下，如何将时间数据纳入模型中？
--我考虑的模型是随机森林模型，因为之前初步分析发现，用线性回归模型拟合效果很差，用其他基础分类器效果也不好，随机森林效率相对最好。但是由于记录的数据离散化处理后，发现数据有不平衡情况，导致模型训练效果较好，但是测试的结果就有点惨不忍睹了。。
个人初步考虑模型效果不好的原因有两点，一个是变量纳入数目不够（可能其他污染数据因为获取难度较大，未能纳入），一个是数据的时间跨度不够，有效数据量比较少。。
但是我目前只能基于手头数据，尽量做到最好的情况。。所以考虑尽量纳入可能的变量，以提高模型的效果。。
