MONSTER：Monash 可扩展时间序列评估储存库
机器学习
2025-02-24 v1
摘要
我们介绍 MONSTER——Monash 可扩展时间序列评估储存库——这是一个用于时间序列分类的大规模数据集集合。时间序列分类领域曾受益于 UCR 和 UEA 时间序列分类储存库所设定的常用基准。然而，这些基准中的数据集规模较小，分别具有约217个和255个样本的中位数规模。结果是，这些基准偏向了一类模型，这些模型针对广泛较小数据集优化，以实现低分类误差，忽视计算问题如可扩展性。我们的希望是通过引入更大规模的数据集基准来多元化该领域。我们相信，通过应对从大量数据中有效学习的理论与实际挑战，能够在该领域取得新的进展。
引用
@article{arxiv.2502.15122,
title = {MONSTER: Monash Scalable Time Series Evaluation Repository},
author = {Angus Dempster and Navid Mohammadi Foumani and Chang Wei Tan and Lynn Miller and Amish Mishra and Mahsa Salehi and Charlotte Pelletier and Daniel F. Schmidt and Geoffrey I. Webb},
journal= {arXiv preprint arXiv:2502.15122},
year = {2025}
}
备注
45 pages; 38 figures