摘要

在過(guò)去十年中，時(shí)間序列研究引起了很多興趣，尤其是在時(shí)間序列分類（TSC）和時(shí)間序列預(yù)測(cè)（TSF）方面。 TSC的研究極大地受益于加利福尼亞大學(xué)河濱分校和東英吉利大學(xué)（UCR / UEA）時(shí)間序列檔案。另一方面，時(shí)間序列預(yù)測(cè)的進(jìn)步依賴于時(shí)間序列預(yù)測(cè)競(jìng)賽，例如Makridakis競(jìng)賽，NN3和NN5神經(jīng)網(wǎng)絡(luò)競(jìng)賽以及一些Kaggle競(jìng)賽。

每年，成千上萬(wàn)篇針對(duì)TSC和TSF提出新算法的論文都利用了這些基準(zhǔn)測(cè)試檔案。這些算法是為解決這些特定問(wèn)題而設(shè)計(jì)的，但是對(duì)于諸如使用光電容積描記圖（PPG）和加速度計(jì)數(shù)據(jù)預(yù)測(cè)人的心率之類的任務(wù)可能沒(méi)有用。我們將此問(wèn)題稱為時(shí)間序列回歸（TSR），在此我們對(duì)從單變量或多變量時(shí)間序列預(yù)測(cè)單個(gè)連續(xù)值的更通用方法感興趣。此預(yù)測(cè)可以來(lái)自相同的時(shí)間序列，也可以與預(yù)測(cè)器時(shí)間序列不直接相關(guān)，并且不一定需要是將來(lái)值或嚴(yán)重依賴于最新值。

據(jù)我們所知，時(shí)間序列研究界對(duì)TSR的研究很少受到關(guān)注，也沒(méi)有針對(duì)一般時(shí)間序列回歸問(wèn)題開發(fā)模型。大多數(shù)模型都是針對(duì)特定問(wèn)題開發(fā)的。因此，我們的目的是通過(guò)引入第一個(gè)TSR基準(zhǔn)測(cè)試檔案庫(kù)來(lái)激發(fā)和支持對(duì)TSR的研究。該檔案庫(kù)包含來(lái)自不同領(lǐng)域的19個(gè)數(shù)據(jù)集，這些數(shù)據(jù)集的維數(shù)，長(zhǎng)度維數(shù)不相等以及值缺失。在本文中，我們介紹了此存檔中的數(shù)據(jù)集，并對(duì)現(xiàn)有模型進(jìn)行了初步基準(zhǔn)測(cè)試。

總結(jié)

我們發(fā)布了包含19個(gè)時(shí)間序列數(shù)據(jù)集的TSR存檔的第一版，并使用典型的機(jī)器學(xué)習(xí)回歸和最新的TSC模型為存檔設(shè)置了初始基準(zhǔn)。我們的結(jié)果表明，Rocket是最先進(jìn)的TSC模型之一，總體表現(xiàn)最佳。最先進(jìn)的機(jī)器學(xué)習(xí)模型（例如XGBoost和Random Forest）也非常具有競(jìng)爭(zhēng)力。這表明需要針對(duì)此類TSR問(wèn)題開發(fā)更好的模型。最后，我們歡迎您提供任何數(shù)據(jù)捐贈(zèng)，并將繼續(xù)擴(kuò)展檔案庫(kù)，從而解決更多問(wèn)題。

回復(fù) ts13 獲取論文及項(xiàng)目源碼

19套數(shù)據(jù)集介紹

表1:當(dāng)前TSR存檔中的時(shí)間序列數(shù)據(jù)集。用星號(hào)(*)標(biāo)記的那些在維度之間具有不同的長(zhǎng)度，但是在數(shù)據(jù)集中的所有實(shí)例之間長(zhǎng)度仍然相等。

TSR歸檔中的數(shù)據(jù)集。當(dāng)前存檔包含19個(gè)時(shí)間序列數(shù)據(jù)集，如表1所示。你可以在http://timeseriesregression.org/上找到它們。檔案包含8個(gè)數(shù)據(jù)集改編自UCI機(jī)器學(xué)習(xí)知識(shí)庫(kù)[1]，3個(gè)來(lái)自Physionet, 1個(gè)來(lái)自信號(hào)處理競(jìng)賽[29]，1個(gè)來(lái)自世界衛(wèi)生組織(WHO)， 1個(gè)來(lái)自澳大利亞氣象局(BOM)，其余的都是捐贈(zèng)的。

本檔案目前涵蓋了5個(gè)應(yīng)用領(lǐng)域:能源監(jiān)測(cè)、環(huán)境監(jiān)測(cè)、健康監(jiān)測(cè)、情緒分析與預(yù)測(cè)。

ts格式用于tsml和sktime時(shí)間序列機(jī)器學(xué)習(xí)知識(shí)庫(kù)。

sktime網(wǎng)站和我們的github頁(yè)面上可以找到一個(gè)將數(shù)據(jù)加載到Python的例子。

原始數(shù)據(jù)集中的缺失值不被注入和表示為“?”符號(hào)，遵循UCR/UEA檔案中使用的.ts慣例[5,6]。為了對(duì)回歸模型進(jìn)行公平的比較，我們將存檔中的數(shù)據(jù)集分割為預(yù)定義的訓(xùn)練集和測(cè)試集。