形状距离 Shapelet：基于判别性子序列的时序分类

FreeGuideOnline 最新 2026-06-24

形状距离 Shapelet 教程

什么是 Shapelet？

Shapelet 是时间序列中最具有判别性的局部形状模式，它能够最大程度地区分不同类别的时间序列。与依赖全局特征的传统方法不同，Shapelet 通过捕捉关键局部特征，实现高精度且可解释的时间序列分类。该概念由 Ye 和 Keogh 在 2009 年正式提出，已成为时序数据挖掘中的一项基础技术。

一个典型的例子是区分“行走”与“跑步”的加速度信号：两者的整体轮廓相似，但“跑步”信号中存在更尖锐的峰值和更短的步态周期。Shapelet 能够自动定位到这类判别性的短片段，而非依赖整个序列的长度。

Shapelet 的核心概念

判别性子序列

假设有一个时间序列数据集，每个样本属于某个类别。Shapelet 就是一个子序列（连续的一段），使得不同类别的序列与该子序列的距离分布存在显著差异。这种差异通常用信息增益或F统计量来量化。子序列本身是一个时间序列片段，其长度远小于原始序列。

形状距离定义

给定一个 Shapelet S（长度为 L）和一条时间序列 T（长度大于 L），我们通过子序列距离来度量它们之间的相似性：将 S 在 T 上滑动，计算 S 与每一个等长子序列的欧氏距离（通常需做 Z-归一化），取最小值作为 S 到 T 的距离。

Subsequence_Dist(S, T) = min_{窗口j} Euclidean_Distance(S, T[j:j+L])

这个最小值反映出 T 中是否存在与 S 最匹配的片段。具有高判别性的 S 应使类内距离小、类间距离大。

如何发现 Shapelet？

暴力搜索法

最初的 Shapelet 发现算法采用暴力搜索：

  1. 生成数据集中所有时间序列的所有可能长度（通常从最小长度到序列长度的一半）的子序列。
  2. 对每一个候选子序列，计算它与数据集中每一条时间序列的子序列距离，得到一个距离值。
  3. 将距离值作为特征，根据类别标签计算该候选的信息增益。
  4. 保留信息增益最高的一个或多个候选作为 Shapelet。

该方法的时间复杂度极高（O(n²m⁴)，n为序列数，m为序列长度），仅适用于较短序列。

加速与剪枝技术

为使其可行，后来发展出多种加速策略：

  • 早期放弃（Early Abandon）：在计算候选与某序列的最小距离时，若已超过当前最优距离，则不需精确计算，可直接跳过。
  • 熵剪枝（Entropy Pruning）：利用信息增益的上界进行剪枝，当候选的形状即使在未来计算中也不可能超越当前最优时，提前终止。
  • 哈希加速：将子序列映射到符号化表示，快速过滤不相似的对，减少精确距离计算。

Shapelet 变换

为了解决原生 Shapelet 对分类器选择的限制，Shapelet 变换方法不再将 Shapelet 嵌入决策树，而是将其作为一种特征提取器：

  1. 从训练集中提取 k 个最优 Shapelet。
  2. 对于每一条时间序列，计算其到这 k 个 Shapelet 的子序列距离，形成一个 k 维的特征向量。
  3. 使用任意分类器（如 SVM、随机森林）在这个新特征空间上训练。

这种变换极大地提升了灵活性和泛化能力。

使用 Shapelet 进行分类

距离度量选择

实际应用中常使用Z-归一化欧氏距离，以消除偏移和尺度影响。此外，也可采用动态时间规整（DTW）距离，但会增加计算成本。对于周期性信号，有时会引入相位约束。

训练分类器

基于 Shapelet 的分类有两种主流方式：

  1. 形状树（Shape Tree）：将 Shapelet 作为决策节点的分裂规则，分裂阈值由 Shapelet 距离的最优分割点确定。决策树的结构可直接解释分类逻辑。
  2. Shapelet 变换 + 通用分类器：如前所述，先做特征变换，再训练线性模型或集成模型。该方法往往能取得更高的准确率，且可以利用成熟机器学习库。

优点与局限

优点

  • 可解释性强：Shapelet 本身是一个可绘制的子序列，直接展示出类间差异的关键形态，适合医学、金融等需要解释性的领域。
  • 局部特征聚焦：能忽略无关的全局噪声，对时间序列的平移、局部缩放（需配合归一化）有一定鲁棒性。
  • 无需精确对齐：子序列滑动匹配机制天然处理时间轴上的偏移。
  • 高精度：在许多基准数据集上，Shapelet 方法的分类准确率可与深度学习模型媲美，而模型复杂度更低。

局限

  • 计算复杂度高：Shapelet 搜索过程仍然耗时，尽管有大量加速算法，在处理超长序列或海量数据时仍面临挑战。
  • 长度选择敏感：Shapelet 的最优长度需要预先设定范围或通过交叉验证选择，不合适的长度会降低判别力。
  • 可扩展性有限：多变量时间序列和极大规模的发现仍是研究热点，传统 Shapelet 主要针对单变量。

代码示例：使用 Python 学习 Shapelet

以下示例使用 sktime 中的 ShapeletTransformClassifier，它结合了 Shapelet 变换与随机森林分类器。

from sktime.classification.shapelet_based import ShapeletTransformClassifier
from sktime.datasets import load_gunpoint
from sklearn.metrics import accuracy_score

# 加载示例数据（枪支动作分类）
X_train, y_train = load_gunpoint(split="train")
X_test, y_test = load_gunpoint(split="test")

# 初始化分类器：搜索200个Shapelet，每个序列使用的最优Shapelet数量为150
stc = ShapeletTransformClassifier(
    n_shapelet_samples=200,
    max_shapelets=150,
    estimator=None  # 默认使用随机森林
)

# 训练
stc.fit(X_train, y_train)

# 预测并评估
y_pred = stc.predict(X_test)
print(f"准确率: {accuracy_score(y_test, y_pred):.2f}")

# 查看某个Shapelet
if hasattr(stc, 'shapelets_'):
    best_shapelet = stc.shapelets_[0]  # 第一个Shapelet
    print(f"最优Shapelet长度: {len(best_shapelet)}")

拓展学习与方向

  • 学习 Shapelet（Learning Shapelet）：不同于从数据中搜索，通过学习方式直接优化 Shapelet 的形状和决策阈值，如 Grabocka 等人提出的 LTS 算法。
  • 多变量 Shapelet：将判别性子序列的概念扩展到多维时间序列，联合考虑多通道上的局部形态。
  • 深度 Shapelet：使用神经网络自动提取潜在的 Shapelet 表示，兼具端到端学习的优势。
  • 在线与流式 Shapelet：用于实时数据流的增量学习和分类，保持 Shapelet 集合的持续更新。

Shapelet 作为时间序列分类的里程碑式方法，在保留物理可解释性的同时实现了高性能，是进入时序数据挖掘领域的必修知识。