最近邻时间序列分类的实验评估
机器学习
2014-06-19 v1
摘要
时间序列分类（TSC）的数据挖掘研究一直聚焦于最近邻分类器的替代距离度量。使用带有欧几里得距离或动态时间规整（DTW）距离的 1-NN 作为比较的基准模型是标准做法。作为对 TSC 弹性距离度量更广泛研究~\cite{lines14elastic} 的一部分，我们进行了一系列实验以检验这一标准做法是否有效。具体而言，我们将带有欧几里得距离和 DTW 距离的 1-NN 分类器与标准分类器进行比较，考察随着案例数量增加，1-NN 欧几里得方法的性能是否趋近于 1-NN DTW，评估通过交叉验证为 -NN 设置 值是否有必要，通过交叉验证为 DTW 设置规整路径是否值得，以及最后对于 DTW 是使用窗口还是加权更好。基于对 77 个问题的实验，我们得出结论：如果通过交叉验证设置窗口大小，带有欧几里得距离的 1-NN 相当容易被超越，但带有 DTW 的 1-NN 则不然。
引用
@article{arxiv.1406.4757,
title = {An Experimental Evaluation of Nearest Neighbour Time Series Classification},
author = {Anthony Bagnall and Jason Lines},
journal= {arXiv preprint arXiv:1406.4757},
year = {2014}
}