HIVE-COTE 2.0: a new meta ensemble for time series classification

想象一下，你正试图仅通过聆听鸟鸣来识别一种特定的鸟类。有些鸟有独特的节奏，有些有独特的音高，还有些有每隔几秒重复一次的模式。如果你只关注节奏，可能会错过音高；如果你只关注音高，可能会错过模式。为了获得最佳结果，你需要一个专家团队，每位专家关注不同的方面，然后你需要一位聪明的管理者来决定最该信任谁。

这正是论文HIVE-COTE 2.0所探讨的内容。它为时间序列分类引入了一支新的“超级团队”。简单来说，时间序列分类的任务是观察随时间变化的数据行（如心跳监测仪、股票价格或地震传感器），并决定其所属的类别。

以下是利用日常类比对该新系统工作原理的分解说明：

问题：单一工具不足以应对

多年来，科学家们一直试图构建完美的“鸟鸣检测器”（或时间序列分类器）。有些工具擅长发现重复模式（如同词典中的单词）。有些工具擅长在数据中寻找特定形状（如同形状检测器）。有些工具则擅长观察短时间片段（区间）。

之前的冠军HIVE-COTE 1.0是一个“元集成”。把它想象成一个委员会，不同的专家（算法）对答案进行投票。它非常准确，但也非常缓慢，并且有时使用了过时的工具。

解决方案：HIVE-COTE 2.0（新的超级委员会）

作者构建了HIVE-COTE 2.0 (HC2)。他们不仅仅是微调了旧委员会；他们解雇了三位旧专家，并聘请了四位全新的高度专业化专家。他们还升级了负责计票的管理者。

以下是团队中四位新“专家”的详情：

1. 时序字典集成 (TDE)：

   • 类比： 想象将一首歌翻译成单词列表。“咚 - 咚 - 咔”变成“单词 A、单词 B"。TDE 观察时间序列并将其转化为“词袋”。它不仅仅计算单词出现的次数，还观察它们何时出现以及如何组合在一起。这就像一位不仅懂词汇，还懂数据语法的语言学家。
   • 升级： 新版本在处理具有多个“通道”（如带有左右扬声器的立体声录音）的数据时表现更好，且不会耗尽内存。

2. 多样化表示规范区间森林 (DrCIF)：

   • 类比： 想象将一部长电影切成数千个微小片段。DrCIF 随机挑选片段，从不同角度（原始视频、动作速度、声音频率）观察它们，并问道：“这特定的 5 秒片段能否告诉我们这是哪部电影？”它基于这些微小的随机时间切片构建了决策树森林。
   • 升级： 它将两种旧方法的优点结合为一个超级高效的工具，能够同时从三个不同的角度观察数据。

3. 军火库 (A ROCKET 集成)：

   • 类比： "ROCKET"方法就像向数据中发射数千个随机网，看看能捕获到什么。它速度快得惊人。然而，原始的 ROCKET 不擅长区分“我有 80% 的把握”和“我有 90% 的把握”。它只是大喊“是”或“否”。
   • 升级： “军火库”是一群协同工作的小型 ROCKET。它们不使用一张大网，而是使用许多小网并对答案进行投票。这使得它们能够提供置信概率估计（例如，“我们有 95% 的把握这是地震”），这对于主委员会做出良好决策至关重要。

4. 形状变换分类器 (STC)：

   • 类比： 这位专家在数据中寻找特定的、可识别的“形状”或“子歌”。如果某个特定的锯齿状尖峰总是在癫痫发作前出现，STC 就能找到那个尖峰。
   • 升级： 作者使这种搜索变得更智能。它不再检查每一个可能的形状（这需要很长时间），而是在设定的时间限制内随机搜索最佳形状，防止其陷入困境或“过拟合”（即过度完美地记忆训练数据）。

管理者：CAWPE

一旦这四位专家分析完数据，他们都会向管理者（称为CAWPE）发送概率估计。

• 工作原理： 管理者不仅仅取简单的平均值。它会查看每位专家在训练期间的表现。如果“字典专家”通常 90% 的时间都是正确的，那么管理者会比那位只有 60% 正确率的“区间专家”更仔细地倾听他们的意见。
• 结果： 这种加权投票系统确保了最可靠的专家在最终决策中拥有最大的发言权。

结果：谁赢得了比赛？

作者在112 个不同的数据集（如心跳、电力使用和昆虫声音）上，将这支新团队与当前的“最先进”冠军（包括深度学习模型和其他快速算法）进行了测试。

• 准确率： HIVE-COTE 2.0 是当之无愧的赢家。它比所有其他顶级竞争对手都显著更准确。平均而言，它比其他任何人都更频繁地得出正确答案。
• 多变量数据： 当数据具有多个维度时（如带有颜色通道的视频或具有 X、Y 和 Z 轴的传感器），它也能获胜，而之前的方法在此类情况下往往表现不佳。
• 权衡（速度 vs. 准确率）：
  • 论文承认，HIVE-COTE 2.0 比最快的方法（ROCKET）更慢。如果你需要在瞬间得到答案，ROCKET 更好。
  • 然而，如果你需要尽可能准确的答案并且可以等待稍长一点的时间，HIVE-COTE 2.0 是最佳选择。
  • 为了帮助解决这个问题，该系统具有“时间合约”功能。你可以告诉它：“你有一个小时的工作时间。”它将在这一小时内构建尽可能多的专家，并给出在该限制内能找到的最佳答案。

总结

HIVE-COTE 2.0是一个用于分析基于时间数据的“最佳委员会”。通过结合四种不同类型的专家（一种观察单词模式，一种切割时间，一种使用随机网，一种寻找形状），并让一位聪明的管理者权衡他们的投票，它实现了比任何单一方法或先前团队更高的准确率。虽然它的运行时间比最快的算法更长，但它为这类问题提供了目前可用的最高精度水平。