基于Keras ANN的旧金山犯罪预测：日期特征转换与小时独热编码咨询

针对你用Keras构建ANN处理SF Crime数据集的几个特征转换问题，我给你整理了具体的实现方法和建议：

1. 将DayOfWeek转换为工作日/周末二值特征 #

假设你的DataFrame列DayOfWeek存储的是类似"Monday"、"Sunday"这样的字符串，两种简单的实现方式：

方法一：用Pandas isin()（推荐，性能更优） #

这种方法对大数据集更友好，逻辑也直观：

# 定义周末的日期列表
weekend_list = ["Saturday", "Sunday"]
# 生成二值列：周末为1，工作日为0
df["is_weekend"] = df["DayOfWeek"].isin(weekend_list).astype(int)

方法二：用lambda函数+apply() #

如果更习惯lambda的写法，也可以这样实现：

df["is_weekend"] = df["DayOfWeek"].apply(lambda x: 1 if x in ["Saturday", "Sunday"] else 0)

2. 将月份映射为四季类别特征 #

首先明确月份到四季的映射逻辑（可根据需求调整）：

• 冬季：12、1、2
• 春季：3、4、5
• 夏季：6、7、8
• 秋季：9、10、11

同样有两种常见实现方式：

方法一：字典映射+map()（推荐，代码更易维护） #

用字典存储映射关系，后续调整季节划分时只需修改字典：

season_mapping = {
    1: "Winter", 2: "Winter", 12: "Winter",
    3: "Spring", 4: "Spring", 5: "Spring",
    6: "Summer", 7: "Summer", 8: "Summer",
    9: "Fall", 10: "Fall", 11: "Fall"
}
# 假设Month列是整数类型（1-12），如果是字符串需先转int：df["Month"] = df["Month"].astype(int)
df["season"] = df["Month"].map(season_mapping)

方法二：lambda函数+apply() #

如果不想额外定义字典，也可以用嵌套条件的lambda：

df["season"] = df["Month"].apply(
    lambda x: "Winter" if x in [1, 2, 12]
    else "Spring" if x in [3, 4, 5]
    else "Summer" if x in [6, 7, 8]
    else "Fall"
)

注意：如果之后要把season喂给Keras模型，需要将这个类别特征进一步转换（比如用pd.get_dummies()做独热编码，或者用Keras的嵌入层）。

3. Hour值的独热编码建议 #

Hour是0-23的离散数值，独热编码是可行的，但也有其他更高效的处理方式，给你几个选项：

选项一：传统独热编码（简单直接） #

用Pandas的get_dummies()快速生成独热编码列：

# 生成前缀为hour的独热编码列
hour_onehot = pd.get_dummies(df["Hour"], prefix="hour")
# 合并到原DataFrame
df = pd.concat([df, hour_onehot], axis=1)
# 可选：删除原Hour列
df.drop("Hour", axis=1, inplace=True)

这种方式生成24个特征列，对于大部分数据集来说不会造成维度爆炸，适合快速实现。

选项二：在Keras模型内处理独热编码 #

如果不想在预处理阶段做编码，可以直接在模型中加入CategoryEncoding层：

from keras.layers import Input, CategoryEncoding

# 定义Hour的输入层
hour_input = Input(shape=(1,))
# 0-23共24个类别，output_mode设为one_hot
hour_encoded = CategoryEncoding(num_tokens=24, output_mode="one_hot")(hour_input)

这种方式更适合端到端的建模流程。

选项三：更高效的特征转换（推荐考虑） #

如果想减少特征维度同时保留时间信息，可以试试以下两种方式：

1. 分时段编码：将Hour合并为更粗的时段（如凌晨、上午、下午、晚上），再做独热编码，仅生成4个特征列：

df["time_period"] = df["Hour"].apply(
    lambda x: "night" if 0 <= x < 6
    else "morning" if 6 <= x < 12
    else "afternoon" if 12 <= x < 18
    else "evening"
)
# 对时段做独热编码
period_onehot = pd.get_dummies(df["time_period"], prefix="period")
df = pd.concat([df, period_onehot], axis=1)

2. 循环编码（Cyclical Encoding）：将Hour转换为sin和cos值，捕捉时间的周期性（比如23点和0点的相似性），仅生成2个特征列：

import numpy as np

df["hour_sin"] = np.sin(2 * np.pi * df["Hour"] / 24)
df["hour_cos"] = np.cos(2 * np.pi * df["Hour"] / 24)

这种方式维度极低，还能让模型学习到时间的循环规律，适合对效率要求较高的场景。

内容的提问来源于stack exchange，提问作者UHU