面向多元时间序列预测的特征编程
机器学习
2023-06-13 v1 机器学习
摘要
我们引入了时间序列建模中可编程特征工程的概念，并提出了一种特征编程框架。该框架为含噪多元时间序列生成大量预测特征，同时允许用户以最小代价融入其归纳偏置。我们框架的关键动机是将任意多元时间序列视为细粒度轨迹增量的累积和，其中每个增量由一个新颖的自旋气体动态Ising模型所支配。这一细粒度视角促使我们开发了一组以抽象方式汇总多元时间序列的简约算子集，作为大规模自动化特征工程的基础。在数值上，我们在多个合成与真实世界含噪时间序列数据集上验证了方法的有效性。
引用
@article{arxiv.2306.06252,
title = {Feature Programming for Multivariate Time Series Prediction},
author = {Alex Reneau and Jerry Yao-Chieh Hu and Chenwei Xu and Weijian Li and Ammar Gilani and Han Liu},
journal= {arXiv preprint arXiv:2306.06252},
year = {2023}
}
备注
21 pages, accepted to ICML2023. Code is available at https://github.com/SirAlex900/FeatureProgramming