【小笔记】时序数据分类算法最新小结

置顶 已于 2024-01-17 11:01:16 修改
阅读量3k 收藏 69
点赞数 53
分类专栏： 算法篇 文章标签： 笔记 算法 时序数据
于 2024-01-16 08:00:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiangxiang613/article/details/135592664
版权

2024.1.15
最近基于时序数据训练分类算法，对其进行了一番了解，主要围绕以下几点：

  • 时序数据算法有哪些细分类？
  • 时序数据分类算法经典模型？
  • 当下时序分类算法模型强baseline？
  • 有没有现成的工具？
    在这里插入图片描述

1.时序数据算法有哪些细分类？

时序数据（Time Series）简称TS
其包括两类算法：

  • 时间序列预测（Time Series Forecast，TSF）
    根据过去的时间序列预测未来一段时间的序列。eg：股价预测
  • 时间序列分类（Time Series Classify，TSC）
    根据一段时间序列预测其类别。eg：根据心电图预测是否有某类疾病；根据手环的传感器信号预测佩戴者当前的运动类型。

本文讨论TSC。
多说一点：时间序列根据其特征维度数量的不同，可以分为一元时间序列（TS只和一个特征相关）和多元时间序列（TS和多个特征相关）。

2.时序数据分类算法经典模型

通过我一通调研，直观总结出一下几类经典模型，具体模型细节不展开。

  • KNN+DTW
    这是比较早的一个解决方案，很长一段时间，DTW都是作为一个强baseline用来比较深度学习算法的性能
  • CNN类
    一维卷积神经网络在TSC中表现非常好，其中，2018年的TCN已经可以完全取代CNN，而后，出现了各种TCN变体。
    最新的SOTA算法也基本上有卷积神经网络。
  • RNN类
    RNN类（如LSTM，GRU）通常不适合TSC。
  • Transformer类
    这是新的研究趋势，而且效果不错

这里没有介绍具体的模型，因为很多都已经过时了，不需要过多了解，直接推荐下面的强baseline，花时间了解它们即可。

3.当下时序分类算法模型强baseline

经过我一番调研，最终荣获此殊荣的有以下几位：

InceptionTime

  • InceptionTime: Finding AlexNet for Time Series Classification Data Min. Know. Disc. 2020

在这里插入图片描述

HIVE-COTE家族

  • HIVE-COTE：Time Series Classification with HIVE-COTE: The Hierarchical Vote Collective of Transformation-based Ensembles
  • HIVE-COTE 2.0: a new meta ensemble for time series classification.

在这里插入图片描述

Rocket家族

  • ROCKET: exceptionally fast and accurate time series classification using random convolutional kernels
  • MiniRocket: A Very Fast (Almost) Deterministic Transform for Time Series Classification Angus
  • MultiRocket: Effective summary statistics for convolutional outputs in time series classification

在这里插入图片描述

SOTA大PK

在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

结论：

在这里插入图片描述

在这里插入图片描述

上面各个模型之间的性能比较，均来自这篇综述：
Bake off redux: a review and experimental evaluation of recent time series classification algorithms


简而言之：
从性能上看，HIVE-COTE 2.0是当下最强的模型，其次是Hydra-MultiRocket，两者都是藐视众生一版的存在。后者虽然性能比比前者的差一点点，但是它训练非常快哦，甩前者好几条街（见下图，MultiRocket项目提供），所以其实更推荐后者，而且更重要的一点：HIVE-COTE 2.0并没有开源，是的，想用也用不到。🤣

在这里插入图片描述

4.有没有现成的工具？

Rocket家族都是有开源的，可以直接用。

除此外，我还发现了一个宝藏😲，非常之哇塞——tsai：
https://github.com/timeseriesAI/tsai
在这里插入图片描述

里面包含了很多模型，可用于TSF和TSC
在这里插入图片描述

这是这个库的介绍文档：
https://timeseriesai.github.io/tsai/

在这里插入图片描述

里面主推三类算法：InceptionTime、Rocket、TST
想必掌握了这三个，TS就游刃有余了

另一篇笔记中记录中了tsai的快速用法，请移步：
【小笔记】用tsai库实现Rocket家族算法

参考资料

1.知乎：时间序列分类-Rocket到MiniRocket再到MultiRocket
2.知乎：时间序列数据如何分类并进行特征提取？
3Bake off redux: a review and experimental evaluation of recent time series classification algorithms【非常值得一看】

落叶阳光
关注
  • 53
    点赞
  • 踩
  • 69
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
时序数据分析方法综述
09-05
时序数据分析方法综述，很好的资料！ 时序数据分析方法综述，很好的资料！
(小甲鱼）数据结构与算法笔记.zip
12-27
数据结构是计算机存储、组织数据的方式，它涉及到数据的逻辑结构、物理结构以及对数据的基本操作。数据结构的选择会影响到程序的效率、可读性和可维护性。常见的数据结构有数组、链表、栈、队列、树、图等。 算法则...
学术论坛第五期：时序序列分类算法概述
Sharon0408的博客
11-17 2635
学术论坛·第五期 推荐阅读时长：8min 前言 学术论坛第五期我们有幸邀请到中国矿业大学（北京）博士、云智慧智能研究院算法工程师徐同学，从时序序列分类的概念、研究意义、基本框架及算法总结四个方面带来对时间序列分类算法的总结概述，下面就让我们一起来学习吧~ 学术论坛内容 一、什么是时间序列分类 二、为什么要研究时间序列分类 三、时间序列分类问题基本框架 四、时间序列分类算法总结与典型算法介绍 一、什么是时间序列分类 1.分类任务 分类任务是一个机器学习领域的任...
8种时间序列分类方法总结
deephub
01-21 1万+
在涵盖各种类型的时间序列 (TS) 分类方法之前，我们先统一时间序列的概念，TS 可以分为单变量或多变量 TS。单变量 TS 是一组有序的（通常）实数值。多变量 TS 是一组单变量 TS。每个时间戳都是一个向量或实数值数组。单或多元TS的数据集通常包含一个单或多元TS的有序集。此外，数据集通常包含由一个单一编码的标签向量表示，其长度表示不同类的标签。TS分类的目标是通过在给定数据集上训练任何分类模型来定义的，这样模型就可以学习所提供数据集的概率分布。
时间序列分类方法：ROCKET学习
最新发布
weixin_48841772的博客
04-11 1114
ROCKET(RandOmConcolutionKErnelTransform)是一种利用随机卷积核来实现时间序列分类方法的算法，其核心思想就是随机卷积核的一切：尺寸、偏置量、是否填充、膨胀系数等等，通过大量的随机卷积核从数据中提取特征，利用类似池化的操作提取最大值和正例比例得到特征向量，结合线性分类器完成数据的分类任务。ROCKET是RandOmConcolutionKErnelTransform的缩写，不得不说名字取得很好，随机卷积核变换=火箭。
时间序列分类总结（time-series classification）
热门推荐
藏晖的博客
02-11 6万+
时间序列分类总结（time-series classification）一、传统方法（需要手工设计）1、DTW（dynamic time warping）& KNN2、基于特征的方法二、深度学习1、MLP、FCN、ResNet2、LSTM_FCN、BiGRU-CNN3、MC-CNN（multi-channel CNN）、MCNN(multi-scale CNN)参考文献  &nb...
【代码分享】16种最新时间序列数据模态分解算法，高创新性，与预测算法结合小论文随便发！
2302_81053261的博客
04-03 531
通过模态分解，我们可以更清晰地识别出数据中的主要模态（趋势、季节性、周期性等），从而更好地进行数据预测、分析和建模。因此，对时间序列数据进行模态分解可以帮助我们更好地理解数据的结构和变化规律，为后续的数据分析和应用提供更加可靠的基础。模态分解可以将时间序列数据分解成趋势、季节性和周期性等不同的成分，使得在预测过程中可以更好地考虑到这些因素的影响。通过分析不同模态之间的关系和变化规律，可以优化预测模型的参数和结构，从而提高预测的准确性和稳定性。通过去除噪声，可以减少模型的误差，提高预测的准确性。
时间序列分类几种方法解读
Liao_Wenzhe的博客
08-18 4088
1. 背景 时序数据的监控在安全风险发现过程中扮演着不可忽视的角色，我们可以通过自定义一些KPI（关键风险指标），刻画这些KPI的时间序列基线，通过时间基线进行安全风险的异常检测。 然而从海量的时序数据指标中可以发现，指标种类繁多、关系复杂（如下图5所示）。在指标本身的特点上，有周期性、规律突刺、整体抬升和下降、低峰期等特点，在影响因素上，有节假日、临时活动、天气、疫情等因素。想要覆盖上述种种场景 ，并且精准的进行安全风险的发现十分困难。 若在海量指标监控上，能根据指标自动适配合适的策略，不需要人为参
对时序数据进行分类与聚类
kuabiku的博客
09-07 2307
我在最近的工作中遇到了一个问题，问题是我需要根据银行账户在一定时间内的使用信息对该账户在未来的一段时间是否会被销户进行预测。这是一个双元值的分类问题，只有两种可能，即会被销户和不会被销户。针对这个问题一般来说有两种解决策略。下面我会使用这两种算法，运行并对比结果，然后找到最合适的算法。
时间序列分类算法_时间序列分类算法简介
化悲愤为冰激凌的博客
06-22 3270
时间序列分类算法 A common task for time series machine learning isclassification.Given a set of time series with class labels, can we train a model to accurately predict the class of new time series? 时间序列机器学习的常见任务是分类。给定一组带有类别标签的时间序列，我们可以训练模型来准确预测新时间序列的类别吗？ ...
时序数据分类——基于tslearn库下不同尺度的k-means算法
weixin_45275599的博客
10-09 1752
K-means聚类是一种划分方法，旨在将n个观察值划分为k个聚类，每个聚类的中心是该聚类中所有观察值的均值。通过这种方式，我们可以发现时间序列数据中的不同模式。tslearntslearn是一个用于时间序列机器学习的Python库。它提供了多种用于时间序列聚类和分类的工具和算法。
时间序列聚类、分类
chenhepg的博客
05-11 2776
@创建于：2022.05.11 @修改于：2022.05.11 文章目录1、时序聚类2、时序分类 1、时序聚类 聚类分析（cluster analysis）简称聚类（clustering），它是数据挖掘领域最重要的研究分支之一，也是最为常见和最有潜力的发展方向之一。聚类分析是根据事物自身的特性对被聚类对象进行类别划分的统计分析方法，其目的是根据某种相似度度量对数据集进行划分，将没有类别的数据样本划分成若干个不同的子集，这样的一个子集称为簇（cluster)，聚类使得同一个簇中的数据对象彼此相似，不同簇中的数
数据结构笔记 绪论+算法.docx
12-31
《数据结构笔记 绪论+算法》是对B站王卓教授数据结构课程的整理，结合了PPT和教材内容，适合考研复习使用。笔记中包含了数据结构的基础概念和算法的相关知识。 1. 数据和数据元素： 数据是描述现实世界事物的符号，...
数据结构与算法Python版学习笔记一
12-21
此外，还需要注意不同数据结构（如数组、链表、栈、队列、树等）以及算法（如排序、搜索、图论等）的应用，这些将在后续的学习笔记中逐步展开。在实践中不断练习和应用，才能真正掌握数据结构与算法的知识。
基于门控循环单元（GRU）的数据时序预测（单输入输出）
yuchunyu12的博客
04-01 315
需要注意的是，为了获得更好的预测性能，可能需要调整模型的结构、超参数和优化算法，并确保训练数据的质量和适用性。同时，特征工程和数据预处理也是重要的步骤，可以对输入数据进行适当的转换和归一化操作，以提高模型的性能。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。基于门控循环单元（GRU）的数据时序预测（单输入输出）是指使用 GRU 模型来预测未来时间步的单一输出，而输入只包含单一变量的时序数据。确保数据按照时间顺序排列。
时间序列预测实战(十七)PyTorch实现LSTM-GRU模型长期预测并可视化结果（附代码+数据集+详细讲解）
Snu77的博客
11-20 7879
本文给大家带来的实战内容是利用PyTorch实现LSTM-GRU模型，LSTM和GRU都分别是RNN中最常用Cell之一，也都是时间序列预测中最常见的结构单元之一，本文的内容将会从实战的角度带你分析LSTM和GRU的机制和效果，同时如果你是时间序列中的新手，这篇文章会带你了解整个时间序列的建模过程，同时本文的实战代码支持多元预测单元、单元预测单元、多元预测多元(为我个人编写大家如有转载请标明来源)，本文的实战内容通过时间序列领域最经典的数据集——电力负荷数据集为例进行预测。内容回顾->
基于sktime的多元时序数据分类模型
qq_28520897的博客
10-20 1775
智能穿戴设备上安装了很多微型传感器，包括：重力感应器、加速度传感器、方向感应器、三轴陀螺仪、距离传感器、光线传感器、方位感应器等等。 BasicMotions数据集就是利用智能手表上的3D加速计和3D陀螺仪传感器分别对步行、休息、跑步和打羽毛球四项活动进行数据采集，该数据集由四名学生戴着智能手表进行，参与者被要求分别做四项运动，间隔0.1秒对数据进行一次采样，持续10秒，每项运动采集五次数据。 通过机器学习建模，构建分类预测模型。 1. 数据预处理 from sklearn import metric.
十分钟看懂时序数据库（IV）- 分级存储
java的平凡之路
03-15 3584
物联网领域近期如火如荼，互联网和传统公司争相布局物联网。作为物联网领域数据存储的首选，时序数据库也越来越多进入人们的视野，而早在 2016 年 7 月，百度云在其天工物联网平台上发布了国内首个多租户的分布式时序数据库产品TSDB，成为支持其发展制造，交通，能源，智慧城市等产业领域的核心产品，同时也成为百度战略发展产业物联网的标志性事件。前文提到低成本的存储是时序数据库需要解决的一个主要问题，而上一...
3-基础概念(数据模型、时序 4 种类型、作业和实例)
aoying5106的博客
06-22 544
数据模型 Prometheus 存储的是时序数据, 即按照相同时序(相同的名字和标签)，以时间维度存储连续的数据的集合。 时序索引 时序(time series) 是由名字(Metric)，以及一组 key/value 标签定义的，具有相同的名字以及标签属于相同时序。 时序的名字由 ASCII 字符，数字，下划线，以及冒号组成，它必须满足正则表达式 [a-zA-Z_:][a-zA...
数据结构与算法c语言笔记
10-11
好的，下面是关于数据结构与算法c语言笔记的内容： C语言是一种常用的编程语言，也是许多算法和数据结构的实现语言之一。对于初学者来说，掌握一些基本的数据结构和算法是非常重要的。 常见的数据结构包括数组、链表、栈、队列、二叉树等等。这些数据结构都有各自的优缺点，适用于不同的场景。 在算法方面，常见的算法包括排序算法、查找算法、字符串匹配算法等等。其中，排序算法根据时间复杂度可以分为冒泡排序、插入排序、选择排序、快速排序、归并排序等等。 除此之外，还有一些高级算法，例如动态规划、贪心算法、回溯算法等等，这些算法在解决一些复杂问题时非常有用。 整个过程中，我们需要了解每个数据结构或者算法的原理和实现方式，并且能够熟练地在C语言中进行编码，以便能够灵活地应用到实际问题中去。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值