Estoy usando Python para las estimaciones de densidad del kernel y los modelos de mezcla gaussianos para clasificar la probabilidad de muestras de datos multidimensionales. Cada dato es un ángulo, y no estoy seguro de cómo manejar la periodicidad de los datos angulares para el aprendizaje automático.

Primero, eliminé todos los ángulos negativos agregándoles 360, de modo que todos los ángulos que fueron negativos se volvieron positivos, convirtiéndose en -179 en 181. Creo que esto maneja elegantemente el caso de -179, un similar no es significativamente diferente de 179 y similar, pero sí lo hace. No se manejan instancias como 359 no siendo diferentes de 1.

Una forma en la que he pensado abordar el problema es mantener los valores negativos y negativos de + 360 y utilizar el mínimo de los dos, pero esto requeriría una modificación de los algoritmos de aprendizaje automático.

¿Existe una buena solución de preprocesamiento para este problema? ¿Algo construido en scipy o scikit?

¡Gracias!