一种通用的AutoML方法：基于统一内核的自动化时间序列分类、回归和预测技术

《Knowledge-Based Systems》：One AutoML to rule them all: Unified kernel-based approach for automated time series classification, regression and forecasting

　　

伊利亚·雷文（Ilia Revin）|瓦迪姆·波捷姆金（Vadim Potemkin）|尼古拉·O·尼基京（Nikolay O. Nikitin）

• •
  Unified AutoML框架能够在一个统一的流程中解决时间序列分类、回归和预测问题。
• •
  MoKA利用谱聚类和基于核的初始假设来加速进化优化过程。
• •
  在60个UCR/UEA数据集上的单变量分类任务中，其性能优于HIVE-COTE 2.0和InceptionTime。
• •
  在63个时间序列回归数据集上的表现具有竞争力；其领先地位通过关键差异图得到验证。
• •
  该框架轻量且易于理解：其流程结构清晰，无需依赖深度学习基础设施。