时间序列机器学习的多元宇宙：用于多变量时间序列分类的档案库
机器学习
2026-03-24 v1
摘要
时间序列机器学习（TSML）是一项日益增长的研究领域，涵盖了广泛的各种任务。诸如分类、聚类和外在回归等既定任务的流行程度，部分归功于基准数据集的可得性。2018 年引入的包含 30 个多变量时间序列分类数据集的档案库（常称为 UEA 档案库）自此成为数百篇论文中引用的essential资源。我们present了对该档案库的大幅扩展，将其规模扩大至超过原来的四倍，即从 30 个分类问题扩展到 133 个。我们也发布了包含缺失值或长度不等时序数据的数据集的预处理版本，使总数据集数量达到 147 个。鉴于档案库的规模扩大以及更广泛的社区发展，我们将其重新定位为“多元宇宙”档案库，以体现其跨域的多样性。多元宇宙档案库包含来自多个来源的数据集，将其他集合和独立数据集整合为单个统一的存储库。鉴于在完整档案库上运行实验计算资源要求较高，我们建议使用名为“多元宇宙核心”（Multiverse-core，MV-core）的子集进行初始探索。为支持研究者使用新档案库，我们提供了详细指南和对既定及近期分类算法的基准评估，为未来研究建立了性能基准。我们创建了一个专门的存储库，用于多元宇宙档案库，提供与 aeon 和 scikit-learn 兼容的框架以实现可重复性，记录大量已发表结果，并提供交互式界面以探索结果。
引用
@article{arxiv.2603.20352,
title = {The Multiverse of Time Series Machine Learning: an Archive for Multivariate Time Series Classification},
author = {Matthew Middlehurst and Aiden Rushbrooke and Ali Ismail-Fawaz and Maxime Devanne and Germain Forestier and Angus Dempster and Geoffrey I. Webb and Christopher Holder and Anthony Bagnall},
journal= {arXiv preprint arXiv:2603.20352},
year = {2026}
}