¡Vamos a necesitar más de una dimensión para hacer esto! Vamos a necesitar …
UN CIRCULO
Primero, como señaló Phil, usemos del 0 al 6. ¿Por qué? Porque la “distancia” entre 7 y 1 (en el mundo del módulo) es en realidad 2: 7 -> 0 -> 1.
- ¿Qué tan bueno debería ser para inscribirme en un Master Machine Learning?
- ¿Cómo se calculan los intervalos de confianza en un conjunto de características?
- ¿Qué es el aprendizaje automático basado en modelos?
- ¿Cómo se infiere la distribución posterior marginal?
- ¿Cuáles son las implicaciones de privacidad del reconocimiento facial DeepFace de Facebook?
Ahora, tenemos que muestrear el círculo unitario en dos dimensiones en 7 puntos igualmente espaciados. Lo haré con el buen Python + numpy:
importar numpy como np
días = np.array ([0., 1., 2., 3., 4., 5., 6.]) / 7.0
feat_1 = np.sin (días * 2 * np.pi)
feat_2 = np.cos (días * 2 * np.pi)
¡Y ahí lo tienes! Las variables feat_1 y feat_2 tienen lo que necesita. Aquí está la prueba:
>>> (feat_1 [0] – feat_1 [1]) ** 2 + (feat_2 [0] – feat_2 [1]) ** 2
0.75302039628253281
>>> (feat_1 [0] – feat_1 [6]) ** 2 + (feat_2 [0] – feat_2 [6]) ** 2
0.75302039628253326
En palabras: el lunes está tan lejos del martes como el domingo del lunes (en la distancia euclidiana).
