Early Classification of Time Series: Taxonomy and Benchmark

要約

多くの状況では、研究された現象の測定値が連続的に提供され、そのクラスの予測は、時間が高すぎないが早すぎず、誤分類のコストを支払うリスクがないように、できるだけ早く早期に行う必要があります。
この問題は、時系列の場合に特に研究されており、時系列（ECTS）の早期分類として知られています。
それは増え続ける文学の主題でしたが、既存のさまざまな方法の相対的なメリットを比較するために、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。
このドキュメントは、これらの方法を原則ベースの分類法に配置することから始まります。
評価を整理するための寸法を定義し、9つの最先端のARTS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実験の結果を報告します。
さらに、これらおよびその他の実験は、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（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 https://github.com/ML-EDM/ml_edm).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google