基于概率程序合成的时序结构发现
机器学习
2017-05-23 v3
摘要
人们普遍需要能够从时间序列数据中发现结构的技术。最近引入的技术，如自动贝叶斯协方差发现（ABCD），提供了一种通过搜索使用简单语法生成的协方差核空间来在单个时间序列中寻找结构的方法。尽管 ABCD 可以识别广泛的时序模式，但它难以扩展，且在实践中可能很脆弱。本文展示了如何通过将其表述为概率程序合成来扩展 ABCD。关键技术思想是 使用特定领域概率语言的抽象语法树表示模型，以及 使用足够富有表现力的语言中的概率程序来表示时间序列模型先验、似然和搜索策略。最终的概率程序用 Venture 编写，仅用了不到 70 行概率代码。本文展示了其在时间序列聚类上的应用，其中包含对 ABCD 的非参数扩展，在现实世界的经济计量数据上进行了插值和外推实验，并在非参数和标准回归基线上提高了准确性。
引用
@article{arxiv.1611.07051,
title = {Time Series Structure Discovery via Probabilistic Program Synthesis},
author = {Ulrich Schaechtle and Feras Saad and Alexey Radul and Vikash Mansinghka},
journal= {arXiv preprint arXiv:1611.07051},
year = {2017}
}
备注
The first two authors contributed equally to this work