随机成对形状子序列森林
机器学习
2019-04-23 v2 机器学习
摘要
形状子序列（shapelet）是时间序列中具有判别力的子序列。一种先进的基于形状子序列的方法是将形状子序列嵌入到精确且快速的随机森林中。然而，该方法存在若干局限。首先，随机形状子序列森林需要较大的训练代价用于分裂阈值搜索。其次，单个形状子序列仅能为决策树的一个分支提供有限信息，导致准确率和可解释性不足。第三，随机化集成导致可解释性下降。为此，本文提出随机成对形状子序列森林（RPSF）。RPSF 从不同的类别中组合一对形状子序列来构建随机森林。它省略阈值搜索从而更高效，为每个森林节点包含更多信息从而更有效。此外，提出一种判别性度量——分解平均不纯度减少（DMDI），用于识别每个类别的影响区域。大量实验表明 RPSF 提升了基于形状子序列的森林的准确率和训练速度。案例研究证明了我们方法的可解释性。
引用
@article{arxiv.1903.07799,
title = {Random Pairwise Shapelets Forest},
author = {Mohan Shi and Zhihai Wang and Jodong Yuan and Haiyang Liu},
journal= {arXiv preprint arXiv:1903.07799},
year = {2019}
}
备注
There is some misunderstanding between authors when this manuscript is submitted. Some of authors disagree to submit this manuscript. So we decide to withdraw the article