这个扩展允许用户应用Shapelet分析他们的时间序列数据。

更多信息请参见X. Renard, M. Rifqi, G. Fricout, M. Detyniecki: EAST表示:从时间序列中快速发现鉴别时间模式，ECML/PKDD时间数据高级分析和学习研讨会，意大利里瓦德尔加达(2016)

Shapelets的基本思想是，从时间序列的批集合中随机抽取子序列。这些Shapelet候选对象用于在不同的时间序列上执行特征转换。将Shapelet与新数据的时间序列进行比较，计算Shapelet候选节点与时间序列的最小距离。如果许多批次的最小距离很小，则可以认为Shapelet在时间序列中经常发生，并可表示为子序列。
不同批次(不同标记批次)的距离也可能不同。因此，计算出的特征可能适用于批的分类。

请先看一下操作人员的教程流程，了解一下如何配置。
扩展包含以下操作符:

• 创建Searchspace:
  • 用于从一组批次中提取Shapelet候选基因。交付一个形状模型。
• Shapelet转换:
  • 通过在批次集合上应用Shapelet模型来计算距离特征。
• Shapelet模型到示例集:
  • 用于将Shapelets模型转换为示例集，其属性包含Shapelets的值。
• 按重量选择Shapelets:
  • 用于从Shapelet模型中只选择最相关的Shapelets。

版本0.1.0 (2019-02-01)

• 最初版本
• 创建Searchspace运营商
• Shapelet转换操作符
• Shapelet模型到示例集运算符
• 通过权重运算符选择Shapelets