Early Classification of Time Series: Taxonomy and Benchmark

要約

多くの状況では、研究対象の現象の測定値は順番に提供され、そのクラスの予測は、あまりにも大きな時間的ペナルティを負わないようにできるだけ早く行う必要がありますが、早すぎて誤分類のコストを支払うリスクを負わないようにする必要があります。
。
この問題は、時系列の場合に特に研究されており、時系列の早期分類 (ECTS) として知られています。
これはますます多くの文献の主題となっていますが、さまざまな既存の方法の相対的なメリットを比較するための体系的で共有された評価プロトコルがまだ不足しています。
この文書は、これらのメソッドを原則に基づいた分類法に位置づけることから始まります。
評価を整理するための次元を定義し、9 つの最先端の ECTS アルゴリズムを含むこれらの次元に沿った非常に広範な一連の実験の結果を報告します。
さらに、これらの実験やその他の実験は、既存の ECTS アルゴリズムのほとんどが実装されているオープンソース ライブラリを使用して実行できます (\url{https://github.com/ML-EDM/ml_edm} を参照)。

要約(オリジナル)

In many situations, the measurements of a studied phenomenon are provided sequentially, and the prediction of its class needs to be made as early as possible so as not to incur too high a time penalty, but not too early and risk paying the cost of misclassification. This problem has been particularly studied in the case of time series, and is known as Early Classification of Time Series (ECTS). Although it has been the subject of a growing body of literature, there is still a lack of a systematic, shared evaluation protocol to compare the relative merits of the various existing methods. This document begins by situating these methods within a principle-based taxonomy. It defines dimensions for organizing their evaluation, and then reports the results of a very extensive set of experiments along these dimensions involving nine state-of-the art ECTS algorithms. In addition, these and other experiments can be carried out using an open-source library in which most of the existing ECTS algorithms have been implemented (see \url{https://github.com/ML-EDM/ml_edm}).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google