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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~043CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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
860
511

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
259
300

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

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
332
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5