文件名称：OSTSC：R 中时间序列分类的过采样-研究论文
文件大小：1.07MB
文件格式：PDF
更新时间：2024-06-29 14:14:21
论文研究
OSTSC 包是一种强大的过采样方法，用于对 R 中的单变量但多项式时间序列数据进行分类。本小插图简要概述了该包实现的过采样方法。 提供了 OSTSC 包的教程。 我们首先为用户提供三个测试用例，以快速验证包中的功能。 为了证明 OSTSC 的性能影响，我们提供了两个中等大小的不平衡时间序列数据集。 每个示例都将长短期记忆 (LSTM) 分类器（一种循环神经网络 (RNN) 分类器）的 TensorFlow 实现应用于不平衡的时间序列。 分类器的性能在过采样和没有过采样的情况下进行比较。 最后，评估这两个数据集的较大版本以证明包的可扩展性。 这些示例表明 OSTSC 包提高了应用于高度不平衡时间序列数据的 RNN 分类器的性能。 特别是，在由 30,000 个时间序列观察组成的高频交易数据集上，OSTSC 被观察到将 LSTM 的 AUC 从 0.543 增加到 0.784。