使用 WEASEL 进行时间序列分类答案

【问题标题】：Time Series Classification with WEASEL使用 WEASEL 进行时间序列分类
【发布时间】：2021-04-05 01:43:05
【问题描述】：

时间序列分类的单词提取 (WEASEL) 算法从时间序列中提取单词，并为每个时间序列构建表示每个单词频率的特征。该算法包含在pyts 库中。可以在here 找到一个可视化相应变换的示例，但我正在努力实现一个工作分类器。这段代码为我提供了一个转换后的训练数据数组：

from pyts.datasets import load_gunpoint
from pyts.transformation import WEASEL

# Toy dataset 
X_train, _, y_train, _ = load_gunpoint(return_X_y=True)

# WEASEL transformation
weasel = WEASEL(word_size=2, n_bins=2, window_sizes=[12, 36], sparse=False)
X_weasel = weasel.fit_transform(X_train, y_train)

但是如何从这里开始呢？我会使用什么方法来实际使用这些转换后的数据来执行分类任务？我如何将转换后的测试数据输入到这个管道中？

【问题讨论】：

标签： python time-series

【解决方案1】：

WEASEL 将时间序列转换为特征。因此，您可以在后续步骤中将这些特征用作任何常规分类器的输入，例如支持向量机。

以您的示例为基础：

from pyts.datasets import load_gunpoint
from pyts.transformation import WEASEL
from sklearn.svm import SVC

# Toy dataset
X_train, X_test, y_train, y_test = load_gunpoint(return_X_y=True)

# WEASEL transformation
weasel = WEASEL(word_size=2, n_bins=2, window_sizes=[12, 36], sparse=False)
X_weasel = weasel.fit_transform(X_train, y_train)

classifier = SVC()
classifier.fit(X_weasel, y_train)
print(classifier.score(weasel.transform(X_test), y_test))

比分离转换和分类更好的方法是将它们组合在一个Pipeline 中。那么您的示例将如下所示：

from pyts.datasets import load_gunpoint
from pyts.transformation import WEASEL
from sklearn.svm import SVC
from sklearn.pipeline import make_pipeline

X_train, X_test, y_train, y_test = load_gunpoint(return_X_y=True)
weasel_classifier = make_pipeline(
    WEASEL(word_size=2, n_bins=2, window_sizes=[12, 36], sparse=False), SVC()
)
weasel_classifier.fit(X_train, y_train)
print(weasel_classifier.score(X_test, y_test))

【讨论】：