Vers des mesures d'évaluation interprétables pour la segmentation de séries temporelles
Overview & Synopsis
La segmentation de séries temporelles est cruciale dans de nombreux domaines. L’évaluation des méthodes de l’état de l’art est toutefois limitée : les mesures actuelles (ARI, points de changement) ignorent la qualité des segments, la nature des erreurs et ne sont pas interprétables. Nous proposons WARI (Weighted ARI), sensible à la position des erreurs, et SMS (State Matching Score), évaluant quatre types d’erreurs de segmentation. Validées empiriquement, elles offrent une évaluation plus fidèle et des diagnostics inédits. Ce travail a été accepté à NeurIPS 2025 sous le titre "Toward Interpretable Evaluation Measures for Time Series Segmentation".
Indexed from repository: HAL Open Science
(
hal.science)
Keyboard Shortcuts:
← / → for pages • + / - for zoom • 0 to fit width
Powered by Mozilla PDF.js v3.11
Document Information
| Document Title | Vers des mesures d'évaluation interprétables pour la segmentation de séries temporelles |
|---|---|
| Author / Organization | Félix Chavelli, Paul Boniol, Michaël Thomazo |
| Subject & Discipline | Multidisciplinary Academic Open Research |
| Categories | Science & Mathematics |
| Publication Year | 2026 |
| License / Rights | Open Access / Creative Commons |
| Resource Verification | Listed PDF (Verification Pending) |
| Original Host Website |
HAL Open Science
(hal.science)
|
| File Format | application/pdf (Portable Document Format) |
| Language | EN |
| Catalog ID | DOC-246450 |
| Original Source Link | Visit Source Page on hal.science » |