Ho creato delle baselines per 1D-CNN, BiLSTM. Ho creato delle baseline anche per una CNN+BiLSTM, prendendo ispirazione dal paper linkato.
Inizialmente ho provato ad aggiungere zeropadding alla fine delle serie temporali per l'addestramento della CNN ma ottenevo prestazioni pessime. Dunque, ho optato per un ricampionamento delle serie temporali contraendole o dilatandole, a seconda dei casi, rendendole di una dimensione fissa. Per far questo ho studiato la lunghezza delle serie temporali con lo script eda_sequence_length.py e le ho rese di lunghezza standard della dimensione corrispondente al 90° percentile.
Output dello script:
========================================
STATISTICHE DELLE LUNGHEZZE TEMPORALI
========================================
Minimo : 6808 campioni
Massimo : 49439 campioni
Media : 18271 campioni
Mediana (50° Percentile) : 17173 campioni
75° Percentile : 22234 campioni
90° Percentile : 27026 campioni
95° Percentile : 30107 campioni
99° Percentile : 40606 campioni
========================================Le metriche di valutazione dei modelli sono contenute all'interno della cartella Console Output di questa repository.
Estratto:
CNN1D: Media F1 su 5 Fold: 0.7214.
BiLSTM: Media F1 su 5 Fold: 0.7561.
CNN_BiLSTM: Media F1 su 5 Fold: 0.7406.