两个工具包的故事，第一篇报告：对时间序列分类算法的正确性与效率进行基准测试
机器学习
2019-10-08 v3 机器学习
摘要
sktime是由东英吉利大学（UEA）、伦敦大学学院和艾伦·图灵研究所的研究人员开发的基于Python、兼容sklearn的开源时间序列分析工具包。sktime的一个关键初期目标是提供与UEA开发的相关Java包tsml中可用的时间序列分类功能等价的功能。我们描述了sktime中六种此类分类器的实现，并将其与tsml中的对应实现比较。我们通过一系列标准测试问题上精度的等价性来证明正确性，并比较不同实现的构建时间。我们发现所考察的六种算法中仅有一种（Proximity Forest）的精度存在显著差异。这一差异给我们的调试带来了一些困扰。我们发现效率上的差异范围要广得多。同样，这并不意外，但确实突出了两个工具包可改进之处。
引用
@article{arxiv.1909.05738,
title = {A tale of two toolkits, report the first: benchmarking time series classification algorithms for correctness and efficiency},
author = {Anthony Bagnall and Franz Király and Markus Löning and Matthew Middlehurst and George Oastler},
journal= {arXiv preprint arXiv:1909.05738},
year = {2019}
}