在ML模型输入中使用常量

Question

我目前正在构建一个二进制分类器。

我的输入是32个时间步骤的序列。

输入的某些时间步骤是常量的(例如: t-0总是0，t-5总是9，等等)

将这些时间步骤作为特性添加到模型中是否有意义？我认为这并不是因为:模型必须注意这些特性，它们会在模型中添加一种噪声/偏差--因为没有任何新的信息可以从它们中获得。我想得对吗？

Answer 1

你在想这件事是正确的。如果数据在您的结果之间没有变化，那么它就不需要包括在内。

尽管如此，如果您使用时间序列技术(如趋势分解 )来进行功能工程，那么更改数据的结构可能会使解释复杂化(即:如果删除了数据点，什么是移动平均值？)

有鉴于此，我想说的是，您不应该将这些怪癖构建到您编写的代码中，并且应该尽可能保持它的一般性，除非是绝对必要的。这与编写不重复自己的“干”码的概念有关。

个人观点:分类器，如软件，应尽量不对数据作出假设。这使您能够更好地重用或共享它。