[論文レビュー] Scalable Discovery of Time-Series Shapelets

Josif Grabocka, Martin Wistuba+1 more|arXiv (Cornell University)|Mar 11, 2015

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

ひとこと要約

本稿では、冗長な候補を削除するためのオンライン距離ベースのクラスタリングと、教師ありの形状特徴選択のための段階的最近傍分類器を用いて、スケーラブルな時系列形状特徴の発見手法を提案する。この手法は、45個のUCRデータセットにおいて、最先端の手法と比較して3–4桁の速度向上を達成するとともに、分類精度を向上または維持する。

ABSTRACT

Time-series classification is an important problem for the data mining community due to the wide range of application domains involving time-series data. A recent paradigm, called shapelets, represents patterns that are highly predictive for the target variable. Shapelets are discovered by measuring the prediction accuracy of a set of potential (shapelet) candidates. The candidates typically consist of all the segments of a dataset, therefore, the discovery of shapelets is computationally expensive. This paper proposes a novel method that avoids measuring the prediction accuracy of similar candidates in Euclidean distance space, through an online clustering pruning technique. In addition, our algorithm incorporates a supervised shapelet selection that filters out only those candidates that improve classification accuracy. Empirical evidence on 45 datasets from the UCR collection demonstrate that our method is 3-4 orders of magnitudes faster than the fastest existing shapelet-discovery method, while providing better prediction accuracy.

研究の動機と目的

• 膨大な数の候補セグメントが存在するため、大規模な時系列データセットにおける形状特徴の全探索的発見が計算的に非現実的であるという問題に対処する。
• ユークリッド距離空間で類似する形状特徴候補を削除することで、発見時間を短縮する。
• 分類性能を向上させる形状特徴のみをフィルタリングする教師あり選択メカニズムを用いて、分類精度を維持または向上させる。
• 速度と精度が重要な実世界の応用に適したスケーラブルな形状特徴発見を可能にする。
• 効率的かつ解釈可能であるという点で、分野の専門家がクラス判別パターンを理解できるように支援する手法を提供する。

提案手法

• ユークリッド空間における類似した時系列セグメントをグループ化する距離ベースのクラスタリング手法を適用し、すでに検討済みのものに近い候補のオンラインプルーニングを可能にする。
• パラメータ化されたしきい値を用いて類似性を定義し、探索プロセス中に冗長な形状特徴候補を動的にプルーニングする。
• 段階的最近傍分類器を統合し、分類性能を向上させる形状特徴のリアルタイムな教師あり選択を実現する。
• 次元削減のためのPAA（Piecewise Aggregate Approximation）を活用し、精度の著しい損失を伴わずに距離計算を高速化する。
• PAA圧縮とプルーニングをモジュラーなフレームワークとして統合し、各コンponentの影響を分離してアブレーションスタディを可能にする。
• 同様のセグメントの再評価を回避するため、ストリーミング形式で候補を処理することで、発見パイプラインを最適化する。

実験結果

リサーチクエスチョン

• RQ1 ユークリッド空間で類似した形状特徴候補をプルーニングすることで、分類精度を劣化させることなく、発見時間をどの程度短縮できるか？
• RQ2 PAA圧縮と候補プルーニングの組み合わせが、形状特徴発見の全体的な速度と精度にどのように影響を与えるか？
• RQ3 提案された教師あり選択メカニズムは、分類性能を向上させる形状特徴のみを効果的に特定できるか？
• RQ4 提案手法は、既存の最先端の形状特徴発見アルゴリズムと比較して、統計的に有意な高速化を達成できるか？
• RQ5 候補形状特徴の評価数を減らしながら、予測精度を維持または向上させることができるか？

主な発見

• 提案手法SDは、45個のUCRデータセットにおいて、最も高速な既存の形状特徴発見手法と比較して、3–4桁の速度向上を達成する。
• プルーニングのみで、大部分の速度向上が達成されており、非プルーニングバージョンと比較して実行時間を3–4桁短縮している。
• プルーニングとPAA圧縮の組み合わせが、最も高速なパフォーマンスを実現し、両方のコンponentを併用することで、速度向上効果が乗算される。
• プルーニング手法の予測精度は、全探索ベースラインと統計的に有意に劣っていない（両側検定、p値 = 0.119 および 0.112、有意水準α=0.05）。
• 本手法は、速度と精度の両面で既存手法を上回り、最良のパフォーマンスを示すバージョンは、複数のデータセットで全探索手法を上回る精度を達成している。
• ウィルコクソン符号順位検定により、プルーニング手法と全探索手法の間の性能差は統計的に有意でないことが確認され、プルーニング戦略の堅牢性が裏付けられた。