sktime框架中GreedySplitter浮点数输入处理缺陷分析

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：

1. 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
2. 预测范围(fh)应该根据计算出的测试集大小动态确定
3. 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：

1. 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
2. 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：

1. 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
2. 在split方法中，根据实际的y长度和指定的比例计算出fh
3. 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：

1. 使用绝对样本数而非比例来指定分割大小
2. 在分割后手动设置fh参数
3. 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。