[論文レビュー] pyWATTS: Python Workflow Automation Tool for Time Series

Benedikt Heidrich, Andreas Bartschat+8 more|arXiv (Cornell University)|Jun 18, 2021

Time Series Analysis and Forecasting参考文献 7被引用数 9

ひとこと要約

pyWATTS は、時系列解析の非順次的でモジュラーなワークフロー自動化を可能にする、オープンソースでプラットフォームに依存しない Python フレームワークです。scikit-learn、PyTorch、Keras のスムーズな統合を、明確に定義されたインターフェース、再利用可能なサブパイプライン、パイプラインの永続化を通じて実現し、再利用性と再現可能性の課題を解決します。これにより、時系列研究における再利用性と再現性の向上が図られます。

ABSTRACT

Time series data are fundamental for a variety of applications, ranging from financial markets to energy systems. Due to their importance, the number and complexity of tools and methods used for time series analysis is constantly increasing. However, due to unclear APIs and a lack of documentation, researchers struggle to integrate them into their research projects and replicate results. Additionally, in time series analysis there exist many repetitive tasks, which are often re-implemented for each project, unnecessarily costing time. To solve these problems we present exttt{pyWATTS}, an open-source Python-based package that is a non-sequential workflow automation tool for the analysis of time series data. pyWATTS includes modules with clearly defined interfaces to enable seamless integration of new or existing methods, subpipelining to easily reproduce repetitive tasks, load and save functionality to simply replicate results, and native support for key Python machine learning libraries such as scikit-learn, PyTorch, and Keras.

研究の動機と目的

• 既存のツールの API の不一致やドキュメンテーションの不足による、時系列解析における再利用性と再現性の欠如を解消すること。
• 欠損値補完、カレンダー特徴量抽出、季節調整といった繰り返しの多い前処理タスクの冗長な再実装を削減すること。
• 研究者が新しいまたはサードパーティ製の機械学習手法を標準化され、組み合わせ可能なパイプラインに簡単に統合できるようにすること。
• 線形パイプラインの制限を超えて、条件分岐、並列処理を含む非順次的ワークフロー（条件付き実行、分岐、統合経路）をサポートすること。
• 完全な実験の再現性を確保するために、パイプライン構成を保存・読み込み・共有できるモジュラーで拡張可能なフレームワークを提供すること。

提案手法

• すべてのコンponentに明確に定義されたインターフェース（fit および transform メソッド）を備えたモジュラーなアーキテクチャを採用しており、新規または既存の手法を即座に統合できるプラグアンドプレイ性を実現しています。
• サブパイプラインをサポートしており、前処理や特徴工学的処理といった再利用可能なコンポonentをカプセル化し、複数のワークフローで再利用できます。
• 一般的なラッパーを介して、scikit-learn、PyTorch、Keras といった主要な機械学習ライブラリとネイティブに統合され、エンドツーエンドのパイプライン実行が可能になっています。
• 条件分岐、分岐経路、統合経路を備えた非順次的ワークフロー（条件付き実行、分岐、マージ）を実装しており、scikit-pipeline や river のようなツールが抱える線形実行の制限を克服しています。
• 中間結果の可視化を可能にするとともに、cloudpickle を用いたシリアル化により、プラットフォームに依存しないパイプラインの永続化を実現しています。
• 構造化されたデータ管理のため、フレームワークは xarray を使用しており、パイプライン全体にわたり、堅牢でスケーラブルな時系列データ管理を保証しています。

実験結果

リサーチクエスチョン

• RQ1 時系列解析のワークフローを、順次的かつ非順次的実行経路の両方をサポートする形で自動化する方法は何か？
• RQ2 PyTorch や Keras といった既存の機械学習ライブラリを、統一的かつ再利用可能なパイプラインフレームワークにスムーズに統合できる範囲はどの程度か？
• RQ3 サブパイプライン化とパイプラインの永続化は、時系列実験の再利用性と再現性を顕著に向上させられるか？
• RQ4 条件ベースのモジュール選択メカニズムは、データの特徴や時間帯に応じてワークフローを適応させるのにどの程度効果的か？
• RQ5 モジュラーで拡張可能なフレームワークは、一般的な前処理およびモデリングステップの再実装に費やす時間と労力を削減できるか？

主な発見

• pyWATTS は、条件分岐、分岐、並列処理を含む非順次的パイプライン実行を可能にし、scikit-pipeline や river のような既存ツールが抱える線形実行の制限を克服しています。
• 一般的なラッパーを介して scikit-learn、PyTorch、Keras を効果的に統合しており、1つのパイプライン内でエンドツーエンドのディープラーニングと従来の機械学習ワークフローを実行できます。
• サブパイプラインにより、カレンダー特徴量抽出や補完処理といった共通の処理ステップをカプセル化し、再実装を伴わずに複数の実験で再利用できます。
• 保存・読み込み機能によるパイプラインの永続化により、異なる環境や時系列においても完全な実験の再現性が保証されます。
• 条件メカニズムにより、データの特徴（例：電力需要予測における昼間と夜間のモデル切り替え）に応じてモジュールを動的に選択できるようになります。
• 本フレームワークは、合成時系列生成や異常値挿入を含むエネルギー分野の研究に成功裏に応用されており、その拡張性と実用的価値が実証されています。