Skip to content

time_series_classification_cn.md

Latest commit

 

History

History
141 lines (100 loc) · 6.15 KB

time_series_classification_cn.md

File metadata and controls

141 lines (100 loc) · 6.15 KB

📉 时间序列分类任务

✨简介

在时间序列分类流程中，通常包含以下几个关键部分：

  • 数据集 (Dataset)：定义读取数据集和生成样本的方式。（位于 basicts.data）
  • 评估指标 (Metrics)：定义模型评估的指标和损失函数。（位于 basicts.metrics.cls_metrics）
  • 执行器 (Runner)：作为 BasicTS 的核心模块，负责协调整个训练过程。执行器集成了数据集、模型架构和评估指标等组件，提供了多种功能支持，如多 GPU 训练、分布式训练、日志记录、模型自动保存、梯度裁剪等。（位于 basicts.runner）
  • 模型结构 (Model)：定义模型架构及其前向传播过程。

下面，我们将详细介绍如何使用BasicTS进行时间序列分类。

🎯模型准备

在BasicTS的时间序列分类任务中，模型的输入为inputs，返回预测结果prediction。

  • inputs为输入序列，维度为[batch_size, seq_len, num_nodes, num_features]，其中最后一维保存额外的时间戳信息）；
  • prediction为预测的logits，包含每个类别未归一化的概率值，维度为[batch_size, num_classes]。

因此，在分类模型的forward函数中，应实现将指定维度的inputs转化为指定维度的prediction。

📦数据集

UEA数据集

BasicTS 提供了对 UEA数据集的支持，您可以直接使用 BasicTS 中的预处理脚本和数据集类来加载 UEA 数据集。UEA 数据集是一个常用的时间序列分类数据集，包含30个子集，每个数据集被分为训练集和测试集。

使用UEA数据集的流程：

  1. 在我们的Google云，百度云，或官方网站下载UEA数据集。

  2. 将UEA数据集放至datasets/raw_data路径下，此时一个子集的路径为datasets/raw_data/UEA/xxx.ts。

  3. 使用BasicTS提供的预处理脚本，将UEA数据集转换为BasicTS的数据集格式。

    python scripts/data_preparation/UEA/generate_training_data.py

    BasicTS默认的数据预处理流程为：1）使用线性插值处理缺失值；2）使用NaN值将序列填充到相同长度；3）使用z-score归一化对每个变量分别进行归一化（由于不同变量间数值分布可能差异很大）；4）将NaN值改为0值，从而不影响forward。

    您也可以在generate_training_data.py中修改具体的预处理过程。

由于UEA数据集没有提供验证集，我们参考社区主流的实现方式，将官方提供的测试集作为验证集选择模型。

其他数据集

若您想要使用自己的数据集，可以：

  1. 写一个预处理程序，包含数据的缺失值处理、归一化、时间戳转换等操作，将文件按指定格式处理至如下路径，并直接使用TimeSeriesClassificationDataset和SimpleTimeSeriesClassificationRunner。

    datasets
   ├─Your dataset
   |    ├─train_inputs.npy // 维度为[num_samples, seq_len, num_nodes, num_features]
   |    ├─train_labels.npy // 维度为[num_samples,]
   |    ├─valid_inputs.npy // 维度为[num_samples, seq_len, num_nodes, num_features]
   |    ├─valid_labels.npy // 维度为[num_samples,]
   |    ├─test_inputs.npy // 维度为[num_samples, seq_len, num_nodes, num_features]
   |    ├─test_labels.npy // 维度为[num_samples,]
   |	├─desc.json // json格式的元数据
   ├─(Other datasets...)

  2. 使用您自己的数据格式，写一个Dataset类。

📝配置文件

相较于时序预测任务的配置文件，主要区别如下：

  • 数据集的配置：从desc.json中读取必要信息，并进行如下配置。

    from basicts.data import UEADataset
from basicts.utils import load_dataset_desc

DATA_NAME = 'JapaneseVowels'  # Dataset name
desc = load_dataset_desc(os.path.join('UEA', DATA_NAME))
INPUT_LEN = desc['seq_len']
NUM_CLASSES = desc['num_classes']
NUM_NODES = desc['num_nodes']
...
# Dataset settings
CFG.DATASET.NAME = DATA_NAME
CFG.DATASET.TYPE = UEADataset
CFG.DATASET.NUM_CLASSES = NUM_CLASSES
CFG.DATASET.PARAM = EasyDict({
    'dataset_name': DATA_NAME,
    'train_val_test_ratio': None,
    # 'mode' is automatically set by the runner
})

  • 指标和损失函数的配置：

    from basicts.metrics import accuracy
from torch import nn

NULL_VAL = 0.0
...
CFG.METRICS.FUNCS = EasyDict({
                                'Accuracy': accuracy,
                             })
CFG.METRICS.TARGET = 'Accuracy'
CFG.METRICS.NULL_VAL = NULL_VAL

CFG.TRAIN.LOSS = nn.CrossEntropyLoss() # 可以省略，默认使用交叉熵损失函数

  • 缩放器（Scaler）的配置：由于分类任务通常不需要反归一化，因此我们在预处理中对UEA数据集进行归一化，不再配置Scaler。

  • 执行器（Runner）的配置：

    from basicts.runners import SimpleTimeSeriesClassificationRunner
...
CFG.RUNNER = SimpleTimeSeriesClassificationRunner

🚀运行！

和预测任务完全相同，您只需要运行下列命令：

python experiments/train.py -c 'your/config' -g (your gpu)

🧑‍💻 进一步探索