sktime项目中TransformedTargetForecaster与sklearn转换器的兼容性问题分析

问题背景

在sktime时间序列预测库中，TransformedTargetForecaster是一个重要的复合预测器组件，它允许用户将多个转换步骤与最终预测器串联起来。近期发现，当该组件与scikit-learn的转换器结合使用时，在处理层次结构数据时会出现适配问题。

问题现象

具体表现为：当TransformedTargetForecaster包含sklearn转换器（如StandardScaler）时，在层次结构数据场景下运行会抛出NotFittedError异常，提示转换器尚未拟合。这个问题在sklearn 1.6.0版本更新后出现，可能与sklearn内部对转换器状态的标记方式变更有关。

技术分析

核心机制

sktime通过TabularToSeriesAdaptor适配器将sklearn的表格转换器适配为时间序列转换器。适配过程中需要正确处理转换器的状态标记：

1. 状态标记：sklearn转换器有stateless和requires_fit两种相关标记
2. 适配逻辑：当前代码检查的是stateless标记而非requires_fit
3. 版本差异：sklearn 1.6.0改变了StandardScaler的stateless标记值

根本原因

问题根源在于：

1. sklearn 1.6.0将StandardScaler的stateless标记从False改为True
2. TabularToSeriesAdaptor仅对非stateless转换器在fit阶段进行拟合
3. 这种变更导致StandardScaler在预测阶段未被正确初始化

解决方案建议

兼容性处理

考虑到用户环境中sklearn版本可能存在差异，建议采用版本敏感的标记检查策略：

1. 对sklearn 1.6.0+版本使用新的get_tags()API
2. 对旧版本维持现有检查逻辑
3. 添加版本兼容层处理标记差异

代码修改方向

具体实现应关注：

1. 优先检查requires_fit而非stateless标记
2. 添加sklearn版本检测逻辑
3. 确保向后兼容性不破坏现有功能

影响评估

该问题影响范围包括：

1. 所有使用TransformedTargetForecaster并包含sklearn转换器的流程
2. 特别是处理层次结构时间序列数据的场景
3. sklearn版本≥1.6.0的环境

最佳实践建议

在问题修复前，用户可以：

1. 暂时降级sklearn至1.5.x版本
2. 避免在层次数据场景使用sklearn转换器
3. 使用sktime原生转换器替代方案

总结

这个问题展示了开源生态系统中版本兼容性的重要性，特别是当依赖库发生重大变更时。sktime团队需要平衡新特性支持与向后兼容性，确保用户在不同环境中都能获得一致的体验。