[論文レビュー] Seglearn: A Python Package for Learning Sequences and Time Series

David Burns, Cari Whyne|arXiv (Cornell University)|Mar 21, 2018

Time Series Analysis and Forecasting参考文献 8被引用数 7

ひとこと要約

seglearn は、スライディングウインドウによるセグメンテーション、特徴表現、および古典的およびディープラーニングモデルとの統合を通じて、時系列および順序データに対する機械学習を可能にする scikit-learn 互換の Python パッケージです。多変量、文脈的、不規則にサンプリングされた系列を対象として分類、回帰、予測をサポートし、既存のツールと比較して高いパフォーマンスと低い計算時間の両方を達成しています。

ABSTRACT

Seglearn is an open-source python package for machine learning time series or sequences using a sliding window segmentation approach. The implementation provides a flexible pipeline for tackling classification, regression, and forecasting problems with multivariate sequence and contextual data. This package is compatible with scikit-learn and is listed under scikit-learn Related Projects. The package depends on numpy, scipy, and scikit-learn. Seglearn is distributed under the BSD 3-Clause License. Documentation includes a detailed API description, user guide, and examples. Unit tests provide a high degree of code coverage.

研究の動機と目的

• 標準の機械学習フレームワークが、サンプルが独立同分布でない順序データを処理するうえでの制限を解消すること。
• 可変長、不規則にサンプリングされた、文脈的情報を含む多変量時系列およびシーケンスを統合的に処理できる、scikit-learn 互換のパイプラインを提供すること。
• 古典的推定器による特徴ベースの学習と、セグメンテーションおよび時系列処理を介したディープニューラルネットワークによる直接学習を両立させること。
• 時系列軸に沿ったエンドツーエンドのモデル選択および交差検証を可能にし、再現性とパフォーマンス評価を向上させること。
• ベンチマークタスクにおける精度を維持または上回りつつ、計算効率において既存の時系列パッケージを上回ること。

提案手法

• 可変長のシーケンスを固定長のセグメントに変換するためのスライディングウインドウセグメンテーションを用いることで、標準的な推定器の利用を可能にする。
• 統計的変換（例：平均、標準偏差、歪度）をセグメント化されたウインドウに適用し、意味のある表現を抽出する特徴表現を実装する。
• 時系列データの順序的性質を尊重する時系列の訓練・テスト分割および交差検証のフォールドをサポートする。
• scikit-learn パイプラインとの統合により、標準的な変換器、推定器、およびモデル選択ツールのシームレスな使用を可能にする。
• Keras 統合により、ディープラーニングモデルを介した直接学習を可能にし、シーケンス・ツー・シーケンスおよびシーケンス・ツー・ラベル予測をサポートする。
• 不規則にサンプリングされた時系列のリサンプリングのための補間を含み、文脈的情報を補助特徴としてサポートする。

実験結果

リサーチクエスチョン

• RQ1 古典的機械学習アルゴリズムで使用可能なように、時系列および順序データを効果的に前処理および表現する方法は何か？
• RQ2 scikit-learn 互換のパイプラインは、時系列学習タスクにおける使いやすさと相互運用性をどの程度向上できるか？
• RQ3 精度および計算効率の観点から、seglearn は他の主要な時系列パッケージと比較してどの程度のパフォーマンスを示すか？
• RQ4 時系列データに対して、時系列クロスバリデーションおよびセグメンテーションパラメータを用いたエンドツーエンドのモデル選択を効果的に適用できるか？
• RQ5 特徴表現およびセグメンテーションパラメータの選択が、シーケンス学習モデル全体のパフォーマンスに与える影響は何か？

主な発見

• seglearn は、ヒューマンアクティビティ認識データセットで分類精度 0.714 を達成し、cesium-ml や tsfresh と同等の性能を示し、tslearn（0.057）を著しく上回った。
• 評価されたパッケージの中で、seglearn は最も速い計算時間（0.088 秒）を記録し、tsfresh（0.40 秒）、cesium-ml（62.9 秒）、tslearn（0.79 秒）を上回った。
• scikit-learn のフレームワークを介したエンドツーエンドのモデル選択をサポートしており、ウインドウサイズやオーバーラップなどのセグメンテーションパラメータの最適化が可能である。
• Keras 統合により、CNN や RNN を用いた直接的なシーケンス学習が可能な、ディープラーニングモデルとの完全な互換性を提供する。
• 文脈的情報の統合および時系列ターゲットのサポートにより、tsfresh や tslearn が対応しないより複雑なモデリングシナリオを可能にする。
• 包括的なドキュメンテーション、ユニットテストを備え、BSD 3-Clause License の下で配布されており、利用可能性と保守性を確保している。