Unsupervised Feature Based Algorithms for Time Series Extrinsic Regression

要約

タイトル：時系列外部回帰のための教師なし特徴ベースのアルゴリズム

要約：
– 時系列外部回帰 (TSER) は、トレーニング時系列のセットを使用して、レグレッサーシリーズとは直接関係しない連続的な応答変数の予測モデルを形成することを指します。
– 2022年にTSERアーカイブがリリースされ、19の問題を得ました。
– このアーカイブのサイズを63問題に拡大し、ベースラインアルゴリズムの以前の比較を再現します。
– 以前の研究で使用された標準的な回帰器と最新バージョンのTSERモデルを含めた比較を拡張します。
– 以前に評価された回帰器のいずれも、標準的な分類器である回帰適応を上回ることはできないことを示します。
– 時系列分類に関連する作業から開発された2つの新しいTSERアルゴリズム、FreshPRINCEとDrCIFを紹介します。
– FreshPRINCEは、幅広い要約特徴量への変換と回転森回帰器から構成されるパイプライン推定量です。
– DrCIFは、ランダム間隔の要約統計から特徴量を作成するツリーアンサンブルです。
– 当社の研究は、これらの2つのアルゴリズムとInceptionTimeは、他の18の回帰器と比較して、著しく優れたパフォーマンスを発揮することを示しています。
– さらに重要なことに、これら2つの提案モデル（DrCIFとFreshPRINCE）は、標準的な回転森回帰器を著しく上回る唯一のモデルです。

要約(オリジナル)

Time Series Extrinsic Regression (TSER) involves using a set of training time series to form a predictive model of a continuous response variable that is not directly related to the regressor series. The TSER archive for comparing algorithms was released in 2022 with 19 problems. We increase the size of this archive to 63 problems and reproduce the previous comparison of baseline algorithms. We then extend the comparison to include a wider range of standard regressors and the latest versions of TSER models used in the previous study. We show that none of the previously evaluated regressors can outperform a regression adaptation of a standard classifier, rotation forest. We introduce two new TSER algorithms developed from related work in time series classification. FreshPRINCE is a pipeline estimator consisting of a transform into a wide range of summary features followed by a rotation forest regressor. DrCIF is a tree ensemble that creates features from summary statistics over random intervals. Our study demonstrates that both algorithms, along with InceptionTime, exhibit significantly better performance compared to the other 18 regressors tested. More importantly, these two proposals (DrCIF and FreshPRINCE) models are the only ones that significantly outperform the standard rotation forest regressor.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI