莫纳什大学、UEA、UCR 时间序列外生回归档案库
机器学习
2020-10-21 v3 机器学习
摘要
过去十年中，时间序列研究引起了广泛关注，尤其是时间序列分类（TSC）和时间序列预测（TSF）。TSC 的研究极大地受益于加州大学河滨分校和东英吉利大学（UCR/UEA）时间序列档案库。另一方面，时间序列预测的进展依赖于诸如 Makridakis 竞赛、NN3 和 NN5 神经网络竞赛以及少数 Kaggle 竞赛等时间序列预测比赛。每年，数千篇提出 TSC 和 TSF 新算法的论文都使用了这些基准档案库。这些算法针对这些特定问题而设计，但可能无助于诸如利用光电容积描记（PPG）和加速度计数据预测某人心率之类的任务。我们将此问题称为时间序列外生回归（TSER），其中我们关注从单变量或多变量时间序列预测单一连续值的更通用方法。该预测可来自同一时间序列，或不与预测用时间序列直接相关，且不必是未来值或严重依赖近期值。据我们所知，TSER 研究在时间序列研究界受到的关注少得多，且尚未有针对通用时间序列外生回归问题开发的模型。多数模型针对特定问题开发。因此，我们旨在通过引入首个 TSER 基准档案库来推动并支持 TSER 研究。该档案库包含来自不同领域的 19 个数据集，具有不同维数、不等长维度及缺失值。本文中，我们介绍了该档案库中的数据集，并对现有模型进行了初步基准测试。
引用
@article{arxiv.2006.10996,
title = {Monash University, UEA, UCR Time Series Extrinsic Regression Archive},
author = {Chang Wei Tan and Christoph Bergmeir and Francois Petitjean and Geoffrey I. Webb},
journal= {arXiv preprint arXiv:2006.10996},
year = {2020}
}