×

TS-CHIEF公司

swMATH ID: 32511
软件作者: 艾哈迈德·希法兹;夏洛特佩尔蒂埃;弗朗索瓦·佩蒂让;杰弗里·韦伯。
描述: TS-CHIEF:用于时间序列分类的可扩展且精确的森林算法。时间序列分类(TSC)在过去二十年中取得了巨大进展。HIVE-COTE(基于转换的集成的层次投票集合)在分类准确性方面是最先进的。HIVE-COTE认识到时间序列数据是一种特定的数据类型,主要用于机器学习的传统属性值表示法无法提供相关的表示。HIVE-COTE组合了多种类型的分类器:每种分类器都提取关于时间序列特定方面的信息,无论是在时域、频域还是序列中间隔的摘要中。然而,HIVE-COTE(及其前身FLAT-COTE)即使在少量数据上运行也往往是不可行的。例如,在只有1500个时间序列的数据集上训练HIVE-COTE可能需要8天的CPU时间。它具有与训练集大小相关的多项式运行时间,因此随着数据量的增加,这个问题会更加复杂。我们提出了一种新的TSC算法TS-CHIEF(异构和集成嵌入森林的时间序列组合),该算法在精度上与HIVE-COTE竞争,但只需要运行时的一小部分。TS-CHIEF构建了一个集成分类器,该分类器集成了过去十年研究开发的最有效的时间序列嵌入。它使用树结构分类器来有效地做到这一点。我们在加州大学河滨分校(UCR)档案的85个数据集上评估了TS-CHIEF,在那里它以可扩展性和效率实现了最先进的准确性。我们证明,TS-CHIEF可以在2天内在130k的时间序列上进行训练,这是任何具有可比精度的TSC算法都无法达到的数据量。
主页: https://arxiv.org/abs/1906.10329
源代码:  https://github.com/dotnet54/TS-CHIEF网站
关键词: 时间序列;分类;韵律学;一大堆话;转型;森林;可伸缩的
相关软件: 火箭;UCR套件;github;第22条;国家林业局;PyPI公司;蟒蛇;飞镖;PyEMD公司;Deeptime公司;;班佩;助教;TA-Lib公司;冲浪板;SigPy公司;PyRate公司;PyCBC公司;MintPy公司;jhTAlib库
引用于: 5文件

2篇连载文章中引用

4 数据挖掘与知识发现
1 机器学习

按年份列出的引文