sktime框架中GreedySplitter浮点数输入处理缺陷分析
2025-05-27 02:56:48作者:胡唯隽
问题背景
在时间序列分析领域,sktime是一个广受欢迎的Python开源框架,它提供了丰富的时间序列分析和预测工具。其中,数据分割器(Splitter)是模型评估环节的关键组件,负责将时间序列数据划分为训练集和测试集。sktime框架中的ExpandingGreedySplitter
和SlidingGreedySplitter
是两种常用的贪婪分割策略实现。
问题现象
近期发现这两种GreedySplitter在处理浮点数输入时存在一个关键缺陷:当用户使用浮点数指定test_size
和train_size
参数时,分割器无法正确更新预测范围(fh, forecasting horizon)。这会导致在后续预测评估中出现异常结果,具体表现为预测值被错误地标记为NA(缺失值)。
技术细节分析
正常预期行为
在理想情况下,当用户使用浮点数指定分割比例时:
- 分割器应该根据输入的时间序列总长度和指定的比例计算出实际的样本数量
- 预测范围(fh)应该根据计算出的测试集大小动态确定
- 在每次分割迭代中,fh应该被正确更新以反映当前分割的测试集范围
实际错误行为
当前实现中存在两个关键问题:
- 在初始化阶段(
init
方法),fh被错误地设置,而实际上在没有参考具体时间序列数据(y)的情况下,fh应该保持为None - 在分割阶段(
split
方法),fh没有被正确更新,导致后续预测步骤无法获取正确的预测范围
影响范围
这一缺陷会影响所有使用浮点数比例指定分割大小的场景,特别是:
- 使用相对比例而非绝对样本数定义训练/测试集大小的用户
- 依赖于自动确定预测范围的工作流程
- 使用
evaluate
函数进行模型评估的自动化流程
解决方案建议
修复这一问题的核心思路应该是:
- 在初始化阶段将fh设为None,因为此时还没有具体的y数据作为参考
- 在split方法中,根据实际的y长度和指定的比例计算出fh
- 确保fh在每次分割迭代中被正确更新
临时解决方案
在官方修复发布前,用户可以采取以下临时解决方案:
- 使用绝对样本数而非比例来指定分割大小
- 在分割后手动设置fh参数
- 使用其他类型的分割器作为替代
总结
这个缺陷虽然特定于浮点数输入场景,但它影响了sktime框架中一个非常基础且常用的功能。对于依赖自动化评估流程的用户来说,这个问题可能导致不明显的错误结果。建议开发者在处理时间序列分割时特别注意参数类型的选择,并在获取意外结果时检查分割器的行为是否符合预期。
该问题的修复将提升sktime框架在自动化模型评估场景下的可靠性,特别是对于那些偏好使用相对比例而非绝对样本数来定义数据分割的用户群体。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8