基于时间序列成像的预测
机器学习
2020-07-21 v3 计算机视觉与模式识别
机器学习
统计计算
摘要
基于特征的时间序列表示在广泛的时间序列分析方法中引起了大量关注。最近，将时间序列特征用于预测模型平均已成为预测界的新兴研究焦点。然而，现有的方法大多依赖于对适当特征集的人工选择。利用机器学习方法自动从时间序列中提取特征在 state-of-the-art 时间序列分析中变得至关重要。在本文中，我们引入了一种基于时间序列成像的自动提取时间序列特征的方法。我们首先将时间序列转换为递归图，随后可以使用计算机视觉算法从中提取局部特征。提取的特征用于预测模型平均。我们的实验表明，基于自动提取特征的预测，以较少的人工干预和对原始时间序列数据更全面的视角，在最大的预测竞赛数据集（M4）中产生了与最佳方法高度可比的性能，并在旅游预测竞赛数据集中优于顶级方法。
引用
@article{arxiv.1904.08064,
title = {Forecasting with time series imaging},
author = {Xixi Li and Yanfei Kang and Feng Li},
journal= {arXiv preprint arXiv:1904.08064},
year = {2020}
}