tsfresh 在时间序列特征集比较研究中领先

一项新近发表在 arXiv 上的研究，在 124 个分类任务上比较了六个开源时间序列特征集和三个基线集。研究发现，虽然特征集整体表现相似，85.3% 的成对比较结果为平局，但 tsfresh 库表现最强，与其他特征集相比有 29.03% 的胜率。研究强调，特征集的具体组成对分类性能有显著影响，使用傅里叶系数和分位数的简单基线对于某些问题可能有效。 AI

影响 为分类任务中不同时间序列特征提取方法的有效性提供了见解。

排序理由 该集群包含一篇发表在 arXiv 上的研究论文，详细介绍了时间序列特征集的统计比较。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Fourier coefficients of modular forms on G2
• Gotit.pub
• Hugging Face
• Quantiles
• ScienceCast
• tsfresh

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →