时间特征在深度学习中的表示问题

这几天对于时间序列的预测，需要时间这一特征值，月份，星期等等。对于这些时间序列特征需要怎么去刻画和表示嗯？

1. one-hot方法
   一个直观想到的方法就是one-hot法，但是仔细考虑一下，one-hot真的适合表示时间序列吗？
   one-hot适用于的特征应该是分类特征，而且不同类别之间的距离是没有差别的，比如红黄蓝三种颜色，汉字等等用one-hot表示是很好的。但是对于时间序列，5点和6点跟18点之间的距离明显是不同的，所以用one-hot来度量的话，会损失非常多的信息。
2. 数字表示
   那么第二种能想到的方法就是用数字去表示，比如1代表1点，4代表4点等等，但是面临的一个问题就是23点明明和0点距离很近，但是用这种方法会导致23点和0点距离太远，造成一些误差。

造成上述误差的因素在于时间序列有周期性，比如一天的24小时，一周的7天等等，那么我们将其做一个转换，将其转换成周期变量即可
( c o s ( 2 π