如何正确定义时间变量，提升XGBoost中时间特征的重要性？

核心问题分析 #

你当前的时间变量存在两个关键问题：

• 未将Date和Hour合并为完整的有效时间戳，导致时间信息割裂，模型无法理解时间的连续性
• 提取的特征（如mon/year/day）仅为离散数值，且hour用了chron的特殊times类型，XGBoost这类树模型难以捕捉时间的周期性与趋势性

正确的时间变量定义步骤 #

1. 合并Date与Hour为完整时间戳 #

原Hour列的日期部分是无效的1899-12-31，需将Date的日期与Hour的时间部分拼接，生成真正的时间序列：

library(lubridate)

# 合并Date和Hour的时间部分，生成有效时间戳
r$datetime <- ymd(r$Date) + hms(format(r$Hour, "%H:%M:%S"))

2. 提取多维度时间特征 #

针对时间序列的趋势性和周期性，提取以下特征供XGBoost使用：

（1）连续时间特征（捕捉长期趋势）

将时间戳转换为从起始时间开始的累计小时数，让模型理解时间的流逝规律：

# 计算从第一个时间点开始的累计小时数
r$time_elapsed_hours <- as.numeric(difftime(r$datetime, min(r$datetime), units = "hours"))

（2）离散周期性特征（捕捉日/周/月/年周期）

提取能反映温度周期性变化的离散特征：

# 小时（0-23，对应一天内的时间点）
r$hour <- hour(r$datetime)
# 星期几（1=周一，7=周日，区分工作日与周末）
r$weekday <- wday(r$datetime, label = FALSE)
# 月份（1-12，对应季节变化）
r$month <- month(r$datetime)
# 季度（1-4，更粗粒度的季节特征）
r$quarter <- quarter(r$datetime)
# 是否工作日（1=是，0=否，区分工作日与周末的温度差异）
r$is_workday <- as.integer(!weekdays(r$datetime) %in% c("星期六", "星期日"))

（3）正弦余弦编码特征（解决周期循环性）

直接用离散数值（如12月和1月）无法让模型理解周期的循环性，用正弦余弦编码将周期特征映射到连续空间，让模型识别周期首尾的关联性：

# 小时的正弦余弦编码（周期24小时）
r$hour_sin <- sin(2 * pi * r$hour / 24)
r$hour_cos <- cos(2 * pi * r$hour / 24)

# 月份的正弦余弦编码（周期12个月）
r$month_sin <- sin(2 * pi * r$month / 12)
r$month_cos <- cos(2 * pi * r$month / 12)

3. 清理冗余特征 #

删除原有的Date、Hour以及重复的离散特征（如原mon/year/day），确保输入XGBoost的特征都是有效且无冗余的。

效果说明 #

• 连续时间特征让模型捕捉温度随时间的长期趋势
• 多维度周期性特征覆盖了温度的日变化、周变化、季节变化规律
• 正弦余弦编码解决了周期特征的循环问题，让模型正确识别12月与1月这类周期首尾的关联性，而非视为差距很大的数值

内容的提问来源于stack exchange，提问作者deniz