[論文レビュー] Experimental Comparison of Representation Methods and Distance Measures for Time Series Data

Xiaoyue Wang, Hui Ding+3 more|arXiv (Cornell University)|Dec 9, 2010

Time Series Analysis and Forecasting参考文献 48被引用数 11

ひとこと要約

本論文は、38種類の多様な実世界データセットを用いて、8種類の時系列表現手法と9種類の類似性測度について包括的な実験的比較を実施している。その結果、小規模なデータセットでは、DTW、LCSS、ERP などのエラスティック距離測度が、ユークリッド距離を著しく上回ることが判明した。一方、訓練データが増加すると性能が収束し、制限付きのワープウィンドウを適用することで、精度を損なわず計算効率が向上することが示された。

ABSTRACT

The previous decade has brought a remarkable increase of the interest in applications that deal with querying and mining of time series data. Many of the research efforts in this context have focused on introducing new representation methods for dimensionality reduction or novel similarity measures for the underlying data. In the vast majority of cases, each individual work introducing a particular method has made specific claims and, aside from the occasional theoretical justifications, provided quantitative experimental observations. However, for the most part, the comparative aspects of these experiments were too narrowly focused on demonstrating the benefits of the proposed methods over some of the previously introduced ones. In order to provide a comprehensive validation, we conducted an extensive experimental study re-implementing eight different time series representations and nine similarity measures and their variants, and testing their effectiveness on thirty-eight time series data sets from a wide variety of application domains. In this paper, we give an overview of these different techniques and present our comparative experimental findings regarding their effectiveness. In addition to providing a unified validation of some of the existing achievements, our experiments also indicate that, in some cases, certain claims in the literature may be unduly optimistic.

研究の動機と目的

• 最先端の時系列表現および類似性測度の統合的で大規模な実験的検証を提供すること。
• 多様な実世界の時系列データにおいて、さまざまな表現および距離測度の相対的な有効性を評価すること。
• 一貫性があり制御された条件下で、先行研究の主張を検証または反証すること。
• 特定の手法が他の手法を上回る条件、特にデータサイズやノイズの影響を特定すること。
• 今後の時系列照合およびマイニング分野の研究のベンチマークおよび参考資料として機能すること。

提案手法

• DFT、DCT、DWT、PAA、APCA、CHEB、SAX、IPLA の8種類の次元削減表現手法を再実装した。
• ユークリッド距離、DTW、LCSS、ERP、EDR、DISSIM、Swale、SpADe、TQuEST の9種類の類似性測度を再実装した。
• ファイナンス、バイオシグナル、センサデータ、モーショントラッキングなど、多様な分野に属する38個の実世界時系列データセットを用いて評価した。
• 訓練データサイズを変化させた標準的な分類タスクを用いて、各手法の精度を比較した。
• エラスティック測度に制限付きワープウィンドウを適用し、計算効率および下界評価能力を評価した。
• 結果に対して統計的分析を実施し、有意性およびデータセット間での一般化性を評価した。

実験結果

リサーチクエスチョン

• RQ1 さまざまな表現手法は、プルーニング効果およびインデキシング効果においてどのように比較されるか？
• RQ2 小規模データセットと大規模データセットにおいて、エラスティック距離測度（例：DTW、LCSS）とユークリッド距離の分類精度はどのように比較されるか？
• RQ3 エラスティック測度におけるワープウィンドウの制限は、計算効率を向上させるとともに、精度を維持または向上させるか？
• RQ4 TQuEST や SpADe のような新規類似性測度は、DTW などの既存手法に比べて精度でどのように比較されるか？
• RQ5 訓練データサイズの増加が、類似性測度の精度にどの程度影響を与えるか？

主な発見

• DTW、LCSS、EDR、ERP などのエラスティック距離測度は、小規模な訓練データセットにおいて、ユークリッド距離を著しく上回る。複数のデータセットで精度の向上が観察された。
• 訓練データサイズが50から2000に増加すると、DTW およびユークリッド距離の誤差率は10倍以上減少し、性能の収束が示された。
• DTW や LCSS におけるワープウィンドウの制限により、計算コストが低減され、効果的な下界評価が可能になった。一方、精度は制限なしバージョンと同等またはそれ以上であった。
• 編集距離に基づく測度（LCSS、EDR、ERP）は、40年も前から使われている単純な手法であるDTW と非常に近い精度を達成しており、強い競争力があることが示された。
• TQuEST や SpADe のような新規測度は、DTW や LCSS などのエラスティック測度に比べて一般的に精度が劣ることが明らかになった。
• 訓練データが限られる状況では、類似性測度の選択を慎重に行うことで精度が向上するが、1つの分割に対して多数の測度をテストすると、過学習や誤った向上が生じるリスクがある。