sktime项目中发现all_estimators函数标签过滤机制存在不足

在Python时间序列分析库sktime中，开发者发现all_estimators函数存在一个需要改进的功能点。该函数用于获取特定类型的估计器（如分类器、回归器等），并支持通过标签进行筛选。然而，当同时使用estimator_type参数和filter_tags参数时，会出现标签过滤不严格的问题。

问题现象

当用户尝试获取具有特定标签（如"capability:unequal_length"）的分类器时，函数会返回不符合要求的非分类器类型。例如执行以下代码：

from sktime.registry import all_estimators

all_estimators(
    "classifier",
    as_dataframe=True,
    filter_tags={"capability:unequal_length": True},
)

返回结果中会包含AggrDist、Aggregator等明显不属于分类器的估计器类型，这与函数的预期行为不符。

技术分析

经过深入调查，发现问题根源在于：

1. 标签过滤机制与估计器类型过滤机制之间存在逻辑不一致
2. 当标签不是特定于某种scitype（如分类器专用标签）时，类型过滤会失效
3. 底层依赖库scikit-base的版本差异可能影响该行为的表现

解决方案

项目维护者已确认该问题并提交改进方案。主要调整包括：

1. 加强类型检查与标签过滤的逻辑耦合
2. 确保在应用标签过滤前严格验证估计器类型
3. 更新相关文档说明过滤机制的具体行为

用户建议

对于使用该功能的开发者：

1. 确保使用最新版本的sktime和scikit-base
2. 检查返回结果是否符合预期类型
3. 对于关键应用，建议手动验证估计器类型

该改进将包含在后续版本更新中，建议用户关注版本更新日志以获取最新情况。对于时间序列分析工作流中依赖此功能的应用，建议进行相应的测试验证。