Core Concepts
최근 6년 동안 시계열 분류 분야에 많은 새로운 알고리즘이 제안되었으며, 이 연구는 이전 연구와 비교하여 이러한 새로운 알고리즘의 성능을 평가한다.
Abstract
이 연구는 2017년에 수행된 시계열 분류 알고리즘 비교 실험(bake off)을 확장하여 최근 제안된 알고리즘의 성능을 평가한다.
먼저 시계열 분류 알고리즘을 거리 기반, 특징 기반, 구간 기반, 셰이플릿 기반, 사전 기반, 합성곱 기반, 딥러닝 기반 등 7가지 범주로 분류하고, 각 범주에서 대표적인 알고리즘을 선정하여 비교 실험을 수행하였다.
실험 결과, Hydra+MultiROCKET와 HIVE-COTEv2 알고리즘이 기존 최고 성능 알고리즘보다 유의미하게 우수한 성능을 보였다. 또한 30개의 새로운 데이터셋을 추가로 실험하여 알고리즘 성능을 더욱 종합적으로 평가하였다.
이 연구는 시계열 분류 분야의 최신 동향을 종합적으로 정리하고, 새로운 데이터셋을 활용하여 알고리즘 성능을 심층적으로 분석하였다는 점에서 의의가 있다.
Stats
이 연구는 112개의 UCR 시계열 분류 데이터셋을 사용하였다.
추가로 30개의 새로운 데이터셋을 실험에 포함하였다.
Quotes
"최근 6년 동안 시계열 분류 분야에 많은 새로운 알고리즘이 제안되었다."
"Hydra+MultiROCKET와 HIVE-COTEv2 알고리즘이 기존 최고 성능 알고리즘보다 유의미하게 우수한 성능을 보였다."