[论文解读] Feature-Based Time-Series Analysis in R using the theft Package

Trent Henderson, Ben Fulcher|arXiv (Cornell University)|Aug 12, 2022

Time Series Analysis and Forecasting被引用 7

一句话总结

该论文介绍了 R 包 'theft'——一个统一的开源框架，整合了六个主要的时间序列特征提取库（catch22、feasts、tsfeatures、Kats、tsfresh、TSFEL），形成单一工作流。该框架支持端到端的基于特征的时间序列分析，包括特征提取、可视化、归一化、分类和可解释性分析，并在使用最少且高性能函数进行 EEG 分类时展现出显著成效。

ABSTRACT

Time series are measured and analyzed across the sciences. One method of quantifying the structure of time series is by calculating a set of summary statistics or `features', and then representing a time series in terms of its properties as a feature vector. The resulting feature space is interpretable and informative, and enables conventional statistical learning approaches, including clustering, regression, and classification, to be applied to time-series datasets. Many open-source software packages for computing sets of time-series features exist across multiple programming languages, including catch22 (22 features: Matlab, R, Python, Julia), feasts (42 features: R), tsfeatures (63 features: R), Kats (40 features: Python), tsfresh (779 features: Python), and TSFEL (390 features: Python). However, there are several issues: (i) a singular access point to these packages is not currently available; (ii) to access all feature sets, users must be fluent in multiple languages; and (iii) these feature-extraction packages lack extensive accompanying methodological pipelines for performing feature-based time-series analysis, such as applications to time-series classification. Here we introduce a solution to these issues in an R software package called theft: Tools for Handling Extraction of Features from Time series. theft is a unified and extendable framework for computing features from the six open-source time-series feature sets listed above. It also includes a suite of functions for processing and interpreting the performance of extracted features, including extensive data-visualization templates, low-dimensional projections, and time-series classification operations. With an increasing volume and complexity of time-series datasets in the sciences and industry, theft provides a standardized framework for comprehensively quantifying and interpreting informative structure in time series.

研究动机与目标

• 解决在多种编程语言中缺乏集中化、统一接口以访问多样化时间序列特征提取库的问题。
• 克服需要掌握多种编程语言才能利用不同特征集的挑战。
• 提供一个全面且可扩展的基于特征的时间序列分析流水线，包括可视化、分类和解释，全部集成在一个 R 包中。
• 使研究人员能够完成从特征提取到模型解释的完整分析工作流，而无需拼接不兼容的工具。
• 促进新特征和特征集的集成，支持时间序列分析领域的方法论持续发展。

提出的方法

• 实现一个统一的 R 包 'theft'，提供单一接口，用于从六个开源时间序列特征库（catch22、feasts、tsfeatures、Kats、tsfresh 和 TSFEL）中提取特征。
• 将特征提取与下游处理流程集成，包括归一化、低维投影（如 t-SNE）以及特征相关性分析。
• 提供内置函数，用于基于提取的特征矩阵进行时间序列分类，包括性能评估和模型解释。
• 开发一个交互式 Shiny 网页应用程序，使非 R 用户能够直接在浏览器中上传数据、计算特征并可视化结果。
• 通过支持用户插入新特征集或自定义修改现有流水线，实现可扩展性。
• 包含标准化的数据可视化模板和可解释性工具，如关键特征识别和差异性分析，以指导洞察生成。

实验结果

研究问题

• RQ1 一个单一的、统一的 R 包能否有效整合并简化来自多个异构时间序列特征库的特征提取？
• RQ2 统一框架在多大程度上能提升非专家用户在基于特征的时间序列分析中的效率和可访问性？
• RQ3 来自多个库的组合特征集在分类任务中的表现，与单个特征集相比如何？
• RQ4 该框架能否在无需用户管理多个工具的情况下，支持可解释的、端到端的工作流（从特征提取到模型解释）？
• RQ5 整合多样化特征集对检测复杂时间序列数据（如 EEG 信号）中有意义模式的影响如何？

主要发现

• 'theft' 包成功将六个主要时间序列特征提取库统一为一个连贯的 R 框架，实现了无缝的特征提取与分析。
• 该包仅通过少数关键函数即可实现从特征提取到分类和解释的完整分析工作流，显著降低了实现复杂度。
• 在五类 Bonn EEG 数据集上，'theft' 流水线使用最小且高性能的特征集实现了有效的分类性能，展现出实际应用价值。
• 通过引入低维投影和特征相关性矩阵，用户能够识别并解释最具区分性的特征，从而增强模型的可解释性。
• 交互式 Shiny 网页应用程序使非 R 用户能够直接在浏览器中完成特征提取和可视化，显著提升了可访问性。
• 该框架支持可扩展性，支持未来集成新特征集，并可系统性评估其在多样化时间序列问题中的性能表现。