sktime项目中的多层级预测评估指标问题解析

在时间序列预测领域，sktime是一个广受欢迎的Python开源库。近期，开发者在sktime的预测评估功能中发现了一个值得关注的技术问题，特别是在处理多层级时间序列数据时。

问题背景

sktime提供了ForecastingBenchmark工具，用于比较不同预测模型的性能。在标准使用场景下，评估指标如均方百分比误差(MeanSquaredPercentageError)能够正常工作。然而，当开发者尝试使用multilevel="raw_values"参数来单独评估分层时间序列中的每个时间序列时，系统会抛出类型错误。

技术细节分析

该问题的核心在于ForecastingBenchmark与多层级评估指标的兼容性。multilevel参数设计用于处理分层时间序列数据，当设置为"raw_values"时，理论上应该对每个时间序列单独进行评估，而不是聚合评估整个分层结构。

错误信息显示系统无法处理DataFrame类型的输入，这表明在评估流程中存在类型转换问题。具体来说，当评估器尝试将DataFrame转换为数值类型时失败，因为评估逻辑可能没有正确处理多层级输出格式。

解决方案与进展

sktime开发团队已经确认了这个问题，并在新版ForecastingBenchmark设计中解决了这一兼容性问题。新设计确保评估系统能够正确处理各种指标返回格式，包括多层级评估场景。

对开发者的建议

对于需要使用多层级评估功能的开发者：

1. 确保使用最新版本的sktime
2. 在评估分层预测模型时，明确检查评估指标的multilevel参数设置
3. 对于复杂的评估场景，建议先在小规模数据上测试评估流程

这个问题也提醒我们，在处理分层时间序列预测时，评估环节需要特别关注数据结构的一致性。随着sktime的持续发展，这类功能边界问题将得到更好的解决，为时间序列分析提供更强大的工具支持。