# Klasyfikacja szeregów czasowych

EN: **Time-series classification** · id `tsclassification` · aliases: TSC

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie maszynowe](https://aiatlasgraph.com/t/ml.md) › [Szeregi czasowe: prognozy, anomalie i klasyfikacja](https://aiatlasgraph.com/t/timeseries.md) › Klasyfikacja szeregów czasowych

## Description

- PL: Uczenie nadzorowane, w którym przykładem jest cały szereg (jedno- lub wielowymiarowy), a celem etykieta klasy.
- EN: Supervised learning in which each example is a whole (univariate or multivariate) series and the target is a class label.

## In one sentence

- PL: Przypisywanie całego zapisu pomiarów do kategorii, na przykład rozpoznanie z zapisu ruchu ręki, czy ktoś idzie, biegnie czy śpi.
- EN: Assigning a whole measurement record to a category, such as telling from wrist movement whether someone is walking, running or asleep.

## Problem it solves

- PL: Zapisy z czujników są długie i przesunięte w czasie, więc porównywanie punkt po punkcie nie odróżnia jednej klasy od drugiej.
- EN: Sensor records are long and shifted in time, so comparing point by point fails to tell one class from another.

## What it does

- PL: Szuka charakterystycznych kształtów, rytmów lub fragmentów odróżniających klasy, niezależnie od tego, w którym miejscu zapisu się pojawiły.
- EN: It looks for distinctive shapes, rhythms or fragments that separate classes, wherever they appear in the record.

## Everyday example

- PL: Opaska na rękę rozpoznaje z zapisu przyspieszeń, że właściciel zaczął biec, i sama włącza pomiar treningu.
- EN: A wristband recognises from its acceleration record that the wearer has started running and switches on workout tracking.

## This concerns you if you…

- PL: analizujesz zapisy z czujników lub urządzeń
- PL: chcesz rozpoznawać czynności lub stany z sygnałów
- PL: masz oznaczone fragmenty pomiarów
- EN: analyse records from sensors or devices
- EN: want to recognise activities or states from signals
- EN: have labelled measurement segments

## Keywords

HIVE-COTE 2 · MultiROCKET · Hydra · shapelets · interval forest · dictionary methods · InceptionTime · aeon · sktime · UCR archive

## How it works

- PL: Główne rodziny to metody odległościowe (np. DTW z najbliższym sąsiadem), oparte na cechach, interwałach, shapeletach i słownikach wzorców, konwolucyjne z losowymi jądrami, głębokie sieci oraz hybrydy łączące kilka reprezentacji. Porównania na archiwum UCR wskazują jako najlepsze hybrydy i metody losowych jąder.
- EN: Main families are distance-based (e.g. DTW with nearest neighbour), feature-, interval-, shapelet- and dictionary-based, convolution with random kernels, deep networks, and hybrids combining several representations. Comparisons on the UCR archive rank hybrids and random-kernel methods highest.

## Limits

- PL: Najdokładniejsze hybrydy są kosztowne obliczeniowo. Wiele benchmarków to krótkie, wyrównane serie, więc wyniki nie zawsze przenoszą się na długie, nieregularne lub wielokanałowe zapisy z praktyki.
- EN: The most accurate hybrids are computationally expensive. Many benchmarks contain short, aligned series, so results do not always transfer to long, irregular or multichannel real recordings.

## Key terms

- PL: **shapelet**: Krótki charakterystyczny fragment szeregu odróżniający klasy.
- PL: **archiwum UCR/UEA**: Standardowy zbiór problemów do porównywania klasyfikatorów szeregów.
- PL: **metoda hybrydowa**: Klasyfikator łączący kilka różnych reprezentacji szeregu.
- EN: **shapelet**: A short distinctive series fragment that separates classes.
- EN: **UCR/UEA archive**: A standard collection of problems for comparing series classifiers.
- EN: **hybrid method**: A classifier combining several different series representations.

## Know first

- [Uczenie nadzorowane (Supervised learning)](https://aiatlasgraph.com/t/supervised.md)
- [Sieci konwolucyjne i sekwencyjne (Convolutional and recurrent networks)](https://aiatlasgraph.com/t/cnn.md)

## Subtopics (2 direct, 2 in total)

- [Dynamiczne dopasowanie czasu (DTW) z najbliższym sąsiadem (Dynamic time warping with nearest-neighbour classification)](https://aiatlasgraph.com/t/dtwknn.md): An elastic distance aligning series non-linearly in time, classically paired with a nearest-neighbour classifier.
- [Klasyfikacja losowymi jądrami konwolucyjnymi (ROCKET) (Random convolutional kernel transforms (ROCKET family))](https://aiatlasgraph.com/t/rocketkernels.md): Transforming series with thousands of random dilated convolutional kernels and simple statistics, followed by a linear classifier.

## Sources

- [Bake off redux: a review and experimental evaluation of recent time series classification algorithms](<https://arxiv.org/html/2304.13029v3>) `middlehurst-bakeoff-redux-2024` · by Matthew Middlehurst, Patrick Schäfer, Anthony Bagnall

---

AI Atlas revision 126 (2026-11-03) · HTML: https://aiatlasgraph.com/t/tsclassification · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-11-03