TS-CHIEF：一种可扩展且准确的时间序列分类森林算法

Ahmed Shifaz; Charlotte Pelletier; Francois Petitjean; Geoffrey I. Webb

doi:10.1007/s10618-020-00679-8

TS-CHIEF：一种可扩展且准确的时间序列分类森林算法

机器学习 2021-02-09 v2 机器学习

作者: Ahmed Shifaz , Charlotte Pelletier , Francois Petitjean , Geoffrey I. Webb

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

过去二十年间，时间序列分类（TSC）取得了巨大进展。HIVE-COTE（基于变换集成体的层次投票集合）是当前分类准确率方面的最先进技术。HIVE-COTE 认识到时间序列数据是一种特定数据类型，机器学习中主要使用的传统属性-值表示无法提供相关表示。HIVE-COTE 结合多种分类器：每种提取时间序列特定方面的信息，无论是在时域、频域还是序列内区间的概括。然而，HIVE-COTE（及其前身 FLAT-COTE）即使在中等规模数据上通常也不可行。例如，在仅含 1500 个时间序列的数据集上训练 HIVE-COTE 需要 8 天 CPU 时间。其相对于训练集大小具有多项式运行时间，因此随着数据量增加该问题加剧。我们提出一种新颖的 TSC 算法 TS-CHIEF（时间序列异质与集成嵌入森林组合），其准确率可与 HIVE-COTE 媲美，但仅需极少运行时间。TS-CHIEF 构建一种集成分类器，集成了过去十年研究发展的最有效时间序列嵌入。它使用树结构分类器高效实现。我们在加州大学河滨分校（UCR）档案的 85 个数据集上评估 TS-CHIEF，其以可扩展性与效率实现了最先进的准确率。我们展示 TS-CHIEF 可在 2 天内训练于 13 万时间序列，这一数据量是任何具有可比准确率 TSC 算法均无法企及的。

关键词

时间序列分类 TS-CHIEF HIVE-COTE 集成分类器树结构分类器可扩展性 UCR 档案

引用

@article{arxiv.1906.10329,
  title  = {TS-CHIEF: A Scalable and Accurate Forest Algorithm for Time Series Classification},
  author = {Ahmed Shifaz and Charlotte Pelletier and Francois Petitjean and Geoffrey I. Webb},
  journal= {arXiv preprint arXiv:1906.10329},
  year   = {2021}
}

备注

37 pages, 10 figures

TS-CHIEF：一种可扩展且准确的时间序列分类森林算法

摘要

关键词

引用

备注

相关论文