FreshPRINCE：一种基于简单变换的流程化时间序列分类器
机器学习
2024-11-05 v1
摘要
近年来，针对时间序列分类（TSC）所提出算法在准确率方面取得了显著进展。然而，不熟悉该研究领域的实际从业者和数据科学家常问的一个问题是：被视为最先进（state of the art）的算法其复杂性是否真的必要。许多情况下，首先被建议的方法是汇总统计或其他时间序列特征提取方法（如 TSFresh）的简单流程，这本身是一个合理的问题；在面向多种问题类型泛化的 TSC 算法文献中，我们很少看到将这些方法纳入考虑或与之比较。我们使用在当下最先进时间序列分类器中已被证明对连续属性有效的基于向量的分类器来实验基础特征提取器。我们在 UCR 时间序列数据集档案上测试这些方法，以考察 TSC 文献是否忽视了这些方法的效力。我们发现，TSFresh 后接旋转森林分类器的流程（我们命名为 FreshPRINCE）表现最佳。它并非最先进技术，但显著优于采用动态时间规整的近邻方法，并可作为未来比较的合理基准。
引用
@article{arxiv.2201.12048,
title = {The FreshPRINCE: A Simple Transformation Based Pipeline Time Series Classifier},
author = {Matthew Middlehurst and Anthony Bagnall},
journal= {arXiv preprint arXiv:2201.12048},
year = {2024}
}