EBES：事件序列的易于基准测试
机器学习
2025-02-27 v2 人工智能
摘要
事件序列（EvS）指的是由不规则采样间隔和混合类别和数值特征构成的序列数据。对这些序列进行准确的分类对于医疗、金融和用户交互等众多实际应用至关重要。尽管EvS分类任务受到欢迎，但目前尚无标准化的基准或严格的评估协议。这种缺乏标准化使得跨研究比较结果变得困难，可能导致不可靠的结论，并阻碍该领域的进展。为解决这一需求，我们提出了EBES——一个针对EvS分类（以序列级目标为主）的全面基准测试。EBES包含标准化的评估场景和协议，以及一个开源的PyTorch库，实现了9个现代模型。此外，它包含最大规模的EvS数据集集合，涵盖10个精选数据集，其中包括一个新型合成数据集和实际数据，以及公开可用的最大规模银行数据集。该库提供用户友好的接口，用于集成新方法和数据集。我们的基准测试结果突显了EvS与其他序列数据类型之间的独特特性，提供了现代模型的性能排名， GRU类模型取得最佳成绩，并揭示了稳健EvS学习面临的挑战。EBES的目标是促进可重复研究，加速该领域的进展，并提高EvS分类技术的实际应用影响。
引用
@article{arxiv.2410.03399,
title = {EBES: Easy Benchmarking for Event Sequences},
author = {Dmitry Osin and Igor Udovichenko and Viktor Moskvoretskii and Egor Shvetsov and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2410.03399},
year = {2025}
}