时间序列分类

该 sktime.classification 模块包含用于时间序列分类的算法和组合工具。

sktime 中的所有分类器都可以使用 sktime.registry.all_estimators 工具列出，使用 estimator_types="classifier"，可选择通过标签过滤。有效的标签可以使用 sktime.registry.all_tags 列出。

一个带有基于标签搜索的完整表格也可以在 估算器搜索页面 上找到（在“Estimator type”下拉菜单中选择“classifier”）。

组合

ClassifierPipeline(classifier, transformers)	由变换器和分类器组成的管道。
ColumnEnsembleClassifier(estimators[, ...])	将估算器应用于数组或 pandas DataFrame 的列。
SklearnClassifierPipeline(classifier, ...)	由变换器和分类器组成的管道。
MultiplexClassifier(classifiers[, ...])	用于在不同模型中进行选择的 MultiplexClassifier。

模型选择和调优

TSCGridSearchCV(estimator, param_grid[, ...])

对估算器的指定参数值进行穷举搜索。

集成

BaggingClassifier(estimator[, n_estimators, ...])	时间序列分类器的 Bagging 集成。
ComposableTimeSeriesForestClassifier([...])	时间序列森林分类器，如 [R880353f3a8bd-1] 所述。
WeightedEnsembleClassifier(classifiers[, ...])	带有可拟合集成权重分类器的加权集成。

深度学习

CNNClassifier([n_epochs, batch_size, ...])	时间卷积神经网络 (CNN)，如 [Rd06fa525366f-1] 所述。
CNTCClassifier([n_epochs, batch_size, ...])	上下文时间序列神经网络分类器 (CNTC)，如 [1] 所述。
FCNClassifier([n_epochs, batch_size, ...])	全卷积网络 (FCN)，如 [R4ddccc18e565-1] 所述。
LSTMFCNClassifier([n_epochs, batch_size, ...])	Karim et al (2019) [1] 中 LSTMFCN 分类器的实现。
GRUClassifier([hidden_dim, n_layers, ...])	用于时间序列分类的门控循环单元 (GRU)。
GRUFCNNClassifier(hidden_dim, gru_layers[, ...])	用于时间序列分类的 GRU-FCN。
InceptionTimeClassifier([n_epochs, ...])	InceptionTime 深度学习分类器。
MACNNClassifier([n_epochs, batch_size, ...])	多尺度注意力卷积神经网络分类器，如 [R18bfe0ce893e-1] 所述。
MLPClassifier([n_epochs, batch_size, ...])	多层感知机网络 (MLP)，如 [R2c17e28b4d16-1] 所述。
MCDCNNClassifier([n_epochs, batch_size, ...])	多通道深度卷积神经网络分类器，如 [Re4d070570206-1] 所述。
MVTSTransformerClassifier([d_model, ...])	用于分类的多变量时间序列 Transformer，如 [Rd7b568e6af84-1] 所述。
ResNetClassifier([n_epochs, callbacks, ...])	残差神经网络，如 [1] 所述。
SimpleRNNClassifier([n_epochs, batch_size, ...])	简单循环神经网络。
TapNetClassifier([n_epochs, batch_size, ...])	时间序列注意力原型网络 (TapNet)，如 [Rdbe61d137f31-1] 所述。

基于字典

BOSSVSClassifierPyts([word_size, n_bins, ...])	向量空间中的 Bag-of-SFA Symbols，来自 pyts。
BOSSEnsemble([threshold, max_ensemble_size, ...])	符号傅里叶近似符号袋 (BOSS) 的集成。
ContractableBOSS([n_parameter_samples, ...])	可收缩符号傅里叶近似符号袋 (cBOSS)。
IndividualBOSS([window_size, word_length, ...])	单个符号傅里叶近似符号袋 (IndividualBOSS)。
IndividualTDE([window_size, word_length, ...])	单个 TDE 分类器，是 Bag of SFA Symbols (BOSS) 模型的扩展。
MUSE([anova, variance, bigrams, window_inc, ...])	MUSE (多变量符号扩展)。
TemporalDictionaryEnsemble([...])	时间字典集成 (TDE)。
WEASEL([anova, bigrams, binning_strategy, ...])	用于时间序列分类的词提取 (WEASEL)。

基于距离

ElasticEnsemble([distance_measures, ...])	弹性集成 (EE)。
KNeighborsTimeSeriesClassifier([...])	K 最近邻时间序列分类器。
KNeighborsTimeSeriesClassifierPyts([...])	K 最近邻时间序列分类器，来自 pyts。
KNeighborsTimeSeriesClassifierTslearn([...])	K 最近邻时间序列分类器，来自 tslearn。
ProximityForest([random_state, ...])	Proximity Forest 分类器。
ProximityStump([random_state, ...])	Proximity Stump 类。
ProximityTree([random_state, ...])	Proximity Tree 类。
ShapeDTW([n_neighbors, subsequence_length, ...])	ShapeDTW 分类器。

Dummy

DummyClassifier([strategy, random_state, ...])

DummyClassifier 进行忽略输入特征的预测。

早期分类

ProbabilityThresholdEarlyClassifier([...])	概率阈值早期分类器。
TEASER([estimator, one_class_classifier, ...])	两层早期准确序列分类器 (TEASER)。

基于特征

Catch22Classifier([outlier_norm, ...])	Canonical Time-series Characteristics (catch22) 分类器。
FreshPRINCE([default_fc_parameters, ...])	Fresh Pipeline with RotatIoN forest Classifier。
MatrixProfileClassifier([...])	矩阵 Profile (MP) 分类器。
RandomIntervalClassifier([n_intervals, ...])	随机区间分类器。
SignatureClassifier([estimator, ...])	使用基于签名的特征的分类模块。
SummaryClassifier([summary_functions, ...])	汇总统计量分类器。
TSFreshClassifier([default_fc_parameters, ...])	基于可伸缩假设检验的时间序列特征提取分类器。

混合

HIVECOTEV1([stc_params, tsf_params, ...])	基于变换的集成层次投票集合 (HIVE-COTE) V1。
HIVECOTEV2([stc_params, drcif_params, ...])	基于变换的集成层次投票集合 (HIVE-COTE) V2。

基于区间

CanonicalIntervalForest([n_estimators, ...])	规范区间森林分类器 (CIF)。
DrCIF([n_estimators, n_intervals, ...])	多样化表示规范区间森林分类器 (DrCIF)。
RandomIntervalSpectralEnsemble([...])	随机区间谱集成 (RISE)。
SupervisedTimeSeriesForest([n_estimators, ...])	监督时间序列森林 (STSF)。
TimeSeriesForestClassifier([min_interval, ...])	时间序列森林分类器。

基于核

TimeSeriesSVC([kernel, kernel_params, ...])	支持向量分类器，用于时间序列核。
TimeSeriesSVCTslearn([C, kernel, degree, ...])	时间序列支持向量分类器，来自 tslearn。
Arsenal([num_kernels, n_estimators, ...])	Arsenal 集成。
RocketClassifier([num_kernels, ...])	使用 RidgeClassifierCV 封装的 Rocket 变换器分类器。

基于 Shapelet

ShapeletTransformClassifier([...])	Shapelet 变换分类器 (STC)。
ShapeletLearningClassifierPyts([loss, ...])	学习 Shapelet 算法，来自 pyts。
ShapeletLearningClassifierTslearn([...])	学习时间序列 Shapelet 分类器，来自 tslearn。
MrSEQL([seql_mode, symrep, custom_config])	MrSEQL = 多表示序列学习分类模型。
MrSQM([strat, features_per_rep, ...])	MrSQM = 多表示序列挖掘器。

sklearn 分类器

本节包含并非时间序列分类器，而是在 sklearn 兼容 API 中的简单表格分类器。

它们在时间序列分类器中内部使用，但也可以直接在表格设置中使用。

ContinuousIntervalTree([max_depth, ...])	连续区间树 (CIT) 向量分类器（也称为时间序列树）。
RotationForest([n_estimators, min_group, ...])	旋转森林 (RotF) 向量分类器。

Base

BaseClassifier()

时间序列分类器的抽象基类。

BaseDeepClassifier()

深度学习时间序列分类器的抽象基类。

BaseEarlyClassifier()

早期时间序列分类器的抽象基类。