AutoGluon时间序列预测中DirectTabular模型预测相同问题的分析与解决

问题背景

在使用AutoGluon进行时间序列预测时，用户发现一个异常现象：当使用两个不同配置的DirectTabular模型进行预测时，尽管模型参数有明显差异，但预测结果却完全相同。这种情况发生在使用已知协变量进行未来预测的场景中。

问题现象

用户配置了两个DirectTabular模型，主要参数差异如下：

• 模型1：最大深度4，树数量20
• 模型2：最大深度16，树数量87

尽管这些参数差异显著，但当使用相同的测试数据和未来协变量进行预测时，两个模型产生了完全相同的预测结果。相比之下，ETS、Theta和PathTST等其他时间序列模型则能产生不同的预测结果。

原因分析

经过深入调查，发现问题的根源在于模型配置方式不正确。用户直接将tabular模型的超参数作为顶级参数传递，而没有将它们嵌套在"tabular_hyperparameters"字典中。正确的配置方式应该是：

"DirectTabular": [
    {
        "lags": [1, 7, 14, 28, 63, 168, 364],
        "tabular_hyperparameters": {
            "GBM": {
                'max_depth': 4,
                'min_samples_split': 10,
                # 其他参数...
            }
        }
    },
    # 第二个模型配置...
]

解决方案

要解决这个问题，需要采用正确的模型配置格式：

1. 对于固定参数的模型：

hyperparameters = {
    "DirectTabular": [
        {
            "lags": [1, 7, 14, 28, 63, 168, 364],
            "tabular_hyperparameters": {
                "GBM": {
                    'max_depth': 4,
                    'min_samples_split': 10,
                    # 其他参数...
                }
            }
        },
        {
            "lags": [1, 7, 14, 28, 63, 168, 364],
            "tabular_hyperparameters": {
                "GBM": {
                    'max_depth': 16,
                    'min_samples_split': 10,
                    # 其他参数...
                }
            }
        }
    ]
}

2. 对于超参数搜索： 目前AutoGluon不支持嵌套的超参数搜索空间，这意味着无法直接在DirectTabular的tabular_hyperparameters中使用搜索空间。这是当前版本的一个限制。

最佳实践建议

1. 当需要比较不同模型时，建议使用固定参数的配置方式
2. 如果需要超参数优化，可以考虑：
   • 先对tabular模型单独进行优化
   • 然后将优化后的参数用于时间序列预测
3. 对于重要的预测任务，建议结合多种不同类型模型的预测结果

总结

这个问题揭示了AutoGluon时间序列预测模块中DirectTabular模型配置的特殊性。正确的参数嵌套结构是确保模型差异性能正常工作的关键。虽然目前存在嵌套超参数搜索的限制，但通过合理的配置和工作流程，仍然可以充分利用DirectTabular模型进行有效的时间序列预测。