TSDS-Toolbox：用于测量时间序列数据集相似性的工具箱

人工智能（AI）的快速发展极大地加速了时间序列分析的研究，特别是在预测、分类和生成任务方面。最近的模型，尤其是基础模型，受益于时间序列数据集相似性，因为它在 微调 源数据集选择中发挥着重要作用。然而，许多现有的时间序列数据集相似性基准测试方法的实现都是支离破碎的并且难以扩展。为了解决这个问题，我们提出了一个统一的框架，即时间序列数据集相似性工具箱（TSDS-Toolbox）。我们的工作能够（1）对时间序列数据集相似性方法进行系统且可重复的比较； （2）灵活的可扩展性，供用户添加自定义数据集、相似性方法和下游时序任务； （3）通过集成的时间序列数据集缩减器对数据集级和序列级相似性方法进行一致评估。 TSDS-Toolbox 的有效性通过不同实验设置下的综合实验得到验证。我们的工具箱是公开可用的。