sktime中GreedySplitter浮点数输入分割问题的技术分析

问题背景

在时间序列分析领域，数据分割是模型评估的关键步骤。sktime作为Python中领先的时间序列分析库，提供了多种时间序列分割策略。其中，ExpandingGreedySplitter和SlidingGreedySplitter是两种常用的贪婪分割器，它们允许用户通过指定训练集和测试集的比例来进行数据分割。

问题现象

当用户使用浮点数作为test_size和train_size参数时，这两种分割器会出现功能异常。具体表现为预测范围(fh)没有被正确更新，导致在模型评估阶段无法生成有效的预测结果。这个问题会影响所有依赖这些分割器进行交叉验证的预测任务。

技术细节分析

分割器工作原理

1. 初始化阶段：分割器在__init__方法中接收参数并设置初始状态
2. 分割阶段：在split方法中根据时间序列数据实际执行分割操作

问题根源

问题的核心在于分割器对浮点数输入的处理逻辑存在缺陷：

1. 当使用浮点数指定大小时，分割器在初始化时无法确定具体的窗口大小，因为此时还没有接收到实际的时间序列数据
2. 预测范围(fh)在初始化阶段被错误设置，而应该在接收到具体数据后才计算确定
3. 在分割阶段，分割器没有正确更新基于实际数据计算出的窗口大小

影响范围

这一问题会影响以下场景：

• 使用浮点数比例指定训练/测试大小的交叉验证
• 依赖自动确定预测范围的预测任务
• 任何使用ExpandingGreedySplitter或SlidingGreedySplitter的模型评估流程

解决方案建议

临时解决方案

目前，用户可以暂时使用整数指定窗口大小来避免此问题：

# 使用固定窗口大小而非比例
cv = SlidingGreedySplitter(train_size=50, test_size=10, folds=3)

长期修复方案

从代码层面，需要进行以下修复：

1. 修改初始化逻辑，使fh在未接收数据前保持为None
2. 在split方法中，当接收到具体数据后，根据浮点数比例计算实际窗口大小
3. 确保预测范围(fh)基于计算出的实际窗口大小正确更新

修复后的预期行为

修复后，分割器应该能够：

• 正确处理浮点数输入的比例参数
• 在接收到实际数据后正确计算窗口大小
• 生成有效的预测范围用于模型评估

最佳实践建议

在使用时间序列分割器时，建议：

1. 明确了解每种分割策略的特点和适用场景