Câu trả lời phụ thuộc vào loại mối quan hệ mà bạn muốn thể hiện giữa tính năng thời gian và biến mục tiêu.
Nếu bạn mã hóa thời gian dưới dạng số, thì bạn đang áp đặt một số hạn chế nhất định đối với mô hình. Đối với mô hình hồi quy tuyến tính, hiệu ứng của thời gian bây giờ là đơn điệu, mục tiêu sẽ tăng hoặc giảm theo thời gian. Đối với cây quyết định, các giá trị thời gian gần nhau sẽ được nhóm lại với nhau.
Thời gian mã hóa theo phân loại giúp mô hình linh hoạt hơn, nhưng trong một số trường hợp, mô hình có thể không có đủ dữ liệu để học tốt. Một kỹ thuật có thể hữu ích là nhóm các giá trị thời gian lại với nhau thành một số bộ và sử dụng bộ làm thuộc tính phân loại.
Một số ví dụ nhóm:
- Đối với tháng, nhóm thành quý hoặc mùa, tùy thuộc vào trường hợp sử dụng. Ví dụ: Jan-Mar, April-Jun, v.v.
- Đối với giờ trong ngày, nhóm vào các thùng thời gian trong ngày: sáng, tối, v.v.
- Đối với ngày trong tuần, nhóm vào ngày trong tuần, cuối tuần.
Mỗi trong số trên cũng có thể được sử dụng trực tiếp như một thuộc tính phân loại, được cung cấp đủ dữ liệu. Hơn nữa, các nhóm cũng có thể được phát hiện bằng phân tích dữ liệu, để bổ sung cho cách tiếp cận dựa trên kiến thức miền.