我有一个理论问题。我有一个时间序列数据集（包含两个特征列：时间戳和温度），我想用它来进行二元分类问题，通过使用Python应用一些机器学习算法（KNN、随机森林、SVM和朴素贝叶斯）。我的问题是：

是否可以用时间戳特征来训练模型，或者这样做会不会引起一些学习问题，比如过拟合？

我想知道你们是否有任何理论上的建议，是否有效地使用或不使用时间戳来训练模型，或者在这种情况下最好的做法是什么。

回答：

时间戳是一个编码值，因此，对于大多数示例来说，该列通常有太多的变化，因为它通常是每秒收集的，这完全改变了编码值。

建议

将时间戳转换为UTC时间，并通过某个阈值（秒、分钟等）对其值进行离散化，可以尝试k-means 离散化，另一种不太理想的方法是，检查此列（时间戳特征）中的唯一值数量，如果它太小或太大，那么对于大多数算法来说，它将毫无用处，并且对于某些算法集合来说，可能会非常有害。

那些在预测任务中不贡献的值，可能会损害树形算法，并且可能会导致过拟合，即使使用随机森林也不会有太大帮助，这也损害了那些由无约束问题公式化的算法，如逻辑回归（没有正则化约束）。对于SVM这样的算法，尽管它是一个有约束的问题，使用无用特征可能不会改变其性能，但问题在于，数据可能不够可分，这可能导致模型极差（欠拟合）。