[3D5-GS-2] 機械学習：時系列

[3D5-GS-2-03] ROCKET 法による時系列データ分類モデルは各推論においてどの時間帯に着目しているか？

〇大場 拓慈¹、塩澤 暁広¹ (1. 株式会社NTTデータ数理システム)

キーワード：時系列解析、時系列分類、特徴量重要度、ROCKET、リッジ分類器

Random Convolutional Kernel Transform （以下 ROCKET と書く）という時系列データ分類手法がある。ROCKET は時系列データに対してランダムカーネルを時間方向の移動窓によって畳み込み、移動窓ごとに得られた内積値の最大値（max 特徴量）と正数割合（ppv 特徴量）を特徴量とした線形モデルによって学習・推論する手法である。
我々の目的は ROCKET モデルにおける時間方向の重要度を算出することである。そこで本発表では各特徴量に対応する線形モデルの回帰係数を用いて、モデルがデータのどの時間帯に着目したかを推論ごとに算出する方法を提案する。また人工データを用いた数値実験により手法の妥当性検証を行った。その結果、いくつかの異常パターンについて、分類に寄与した時間帯を特定できることが分かった。