Right on Time：通过约束其解释修正时间序列模型
机器学习
2025-06-16 v5
摘要
深度时间序列模型往往因倾向于依赖虚假相关性而导致预测错误，从而遭受可靠性问题。为了缓解此类捷径并防止时间序列模型中出现“聪明汉斯”时刻，我们引入了 Right on Time (RioT)，这是一种新颖的方法，能够在时间和频率域上与模型解释进行交互。通过在两个域中纳入对解释的反馈，RioT 约束模型，使其偏离标注的虚假相关性。这种双域交互策略对于有效解决时间序列数据集中的捷径问题至关重要。我们在流行的时间序列分类和预测数据集，以及我们从真实机械生产线收集的具有自然发生捷径的新数据集 P2S 上，实证展示了 RioT 在引导模型做出更可靠决策方面的有效性。
引用
@article{arxiv.2402.12921,
title = {Right on Time: Revising Time Series Models by Constraining their Explanations},
author = {Maurice Kraus and David Steinmann and Antonia Wüst and Andre Kokozinski and Kristian Kersting},
journal= {arXiv preprint arXiv:2402.12921},
year = {2025}
}
备注
to be published in ECML PKDD 2025