A Dictionary-based approach to Time Series Ordinal Classification

Título: Uma Abordagem Baseada em Dicionário para Classificação Ordinal de Séries Temporais

1. Problema e Contexto

A Classificação de Séries Temporais (TSC) é um campo maduro com diversas aplicações reais. No entanto, a maioria das abordagens atuais trata os rótulos das séries temporais como categorias nominais (sem ordem intrínseca). Em muitos cenários do mundo real (como níveis de energia, estágios de doenças ou níveis de retorno financeiro), os rótulos possuem uma ordem natural (ex: E35 < E38 < E40 < E45).

O problema central abordado é a Classificação Ordinal de Séries Temporais (TSOC), um subdomínio ainda pouco explorado. A particularidade deste problema é que erros de classificação devem ser penalizados de forma diferenciada: classificar erroneamente um rótulo "E45" como "E35" é um erro muito mais grave do que classificá-lo como "E40". As métricas tradicionais de TSC (como Acurácia) não capturam essa nuance, levando a modelos que não otimizam a performance em escalas ordinais.

2. Metodologia: O-TDE (Ordinal Temporal Dictionary Ensemble)

Os autores propõem o O-TDE, uma adaptação ordinal do Temporal Dictionary Ensemble (TDE), que é atualmente o estado da arte em métodos baseados em dicionário para TSC.

A metodologia baseia-se nos seguintes pilares:

• Representação Baseada em Dicionário (Bag of Words):
  • A série temporal é dividida em janelas deslizantes.
  • Aplica-se a Transformada Discreta de Fourier (DFT) a cada janela para obter coeficientes.
  • Os coeficientes são discretizados em símbolos (palavras) para formar um histograma que representa a série.
• Adaptação para Ordinalidade:
  • Seleção de Parâmetros Guiada por Gaussian Process: Ao contrário do TDE original que otimiza a acurácia, o O-TDE utiliza um processo gaussiano para prever e selecionar configurações que minimizam o Erro Absoluto Médio (MAE). O MAE é a métrica ideal para problemas ordinais, pois quantifica a distância entre o rótulo previsto e o real na escala ordinal.
  • Critério de Impureza (Friedman-MSE): Na construção das árvores de decisão para a discretização dos coeficientes (binning), o algoritmo substitui o critério de acurácia pelo Friedman-MSE (Mean Squared Error). Isso força o modelo a criar divisões que respeitem a ordem dos rótulos, penalizando mais severamente erros que distanciam a previsão do valor real na escala.
  • Métrica de Avaliação: O modelo é treinado e avaliado considerando a ordem dos rótulos, não apenas a igualdade exata.

3. Contribuições Principais

1. Primeira Adaptação de Dicionário para TSOC: O trabalho apresenta o O-TDE, a primeira técnica baseada em dicionário projetada especificamente para explorar a informação ordinal em séries temporais.
2. Expansão do Banco de Dados (Archive): Os autores ampliaram o conjunto de dados de referência para TSOC, criando um archive com 18 problemas (13 univariados e 5 multivariados). Isso inclui dados de:
   • Repositórios UEA/UCR e Monash.
   • Dados financeiros (retornos de ações de grandes empresas como Apple, Amazon, Google).
   • Dados de boias oceânicas (energia e altura de ondas).
3. Validação Rigorosa: Realização de 30 execuções independentes para cada método e uso de testes estatísticos robustos (Teste de Wilcoxon e Diagramas de Diferença Crítica) para validar a superioridade do método proposto.

4. Resultados Experimentais

O O-TDE foi comparado contra quatro técnicas de estado da arte baseadas em dicionário (BOSS, cBOSS, WEASEL e TDE nominal) nos 18 conjuntos de dados.

• Desempenho Geral: O O-TDE obteve o melhor desempenho em 10 dos 18 conjuntos de dados e ficou em segundo lugar em mais 4, demonstrando uma superioridade consistente.
• Métricas Ordinais: O método superou todas as técnicas nominais nas métricas específicas para ordem:
  • MAE (Erro Absoluto Médio): Redução significativa no erro de previsão.
  • QWK (Quadratic Weighted Kappa): Melhor concordância ponderada entre classes.
  • 1-OFF Accuracy: Maior taxa de acertos considerando erros de uma categoria de distância.
• Significância Estatística: As diferenças de desempenho foram estatisticamente significativas para as métricas MAE e 1-OFF, confirmando que a abordagem ordinal é superior para este tipo de problema.
• Métrica Nominal (Acurácia): Curiosamente, o O-TDE também superou os métodos nominais em termos de Acurácia (CCR), indicando que a incorporação da informação ordinal beneficia o modelo mesmo sob métricas tradicionais.

5. Significância e Conclusão

O trabalho demonstra que ignorar a estrutura ordinal dos rótulos em problemas de séries temporais resulta em perda de performance. Ao adaptar o estado da arte (TDE) para considerar a ordem dos dados através da otimização do MAE e do uso do critério Friedman-MSE, o O-TDE estabelece um novo padrão para a Classificação Ordinal de Séries Temporais.

A pesquisa abre caminho para futuras aplicações em finanças, medicina e monitoramento ambiental, onde a magnitude do erro é tão importante quanto a direção do erro. Além disso, o trabalho fornece uma base de dados expandida e robusta para o desenvolvimento e teste de futuros algoritmos no domínio da TSOC.