烘焙赛重访：近期时间序列分类算法的综述与实验评估
机器学习
2026-05-11 v3
摘要
2017年，一篇研究论文在来自加州大学河滨分校（UCR）档案的85个数据集上比较了18种时间序列分类（TSC）算法。该项常被称为“烘焙赛”的研究指出，仅9种算法的表现显著优于所采用的动态时间规整（DTW）和旋转森林基准。该研究按各算法从时间序列数据中提取的特征类型对算法分类，形成了五类主要算法类型的分类法。这种算法分类连同为可复现性提供的代码与可获取结果，助推了TSC领域人气的上升。自该烘焙赛已过去六年有余，UCR档案已扩展至112个数据集，且提出了大量新算法。我们重访烘焙赛，考察自原发表以来各类别所取得的进展，并使用扩展的UCR档案评估新算法相对于先前各类最优算法的性能。我们扩展了分类法以纳入三个新类别以反映近期发展。除最初提出的基于距离、区间、形状子、字典与混合的算法外，我们比较了较新的基于卷积与特征的算法以及深度学习方法。我们引入了30个近期捐赠给档案或重新格式化为TSC格式的的分类数据集，并用其进一步评估各类别中表现最优的算法。总体而言，我们发现两种近期提出的算法Hydra+MultiROCKET与HIVE-COTEv2在当前及新TSC问题上均显著优于其他方法。
引用
@article{arxiv.2304.13029,
title = {Bake off redux: a review and experimental evaluation of recent time series classification algorithms},
author = {Matthew Middlehurst and Patrick Schäfer and Anthony Bagnall},
journal= {arXiv preprint arXiv:2304.13029},
year = {2026}
}