使用TimeEval的subsequence_lof算法时出现维度差99的索引错误

问题根源 #

报错里的维度差99是因为subsequence_lof基于滑动窗口计算异常分数：假设算法默认窗口大小为100，原始序列长度5040经过处理后，输出的分数序列长度为 5040 - 100 + 1 = 4941，比原始标签序列短99个元素。而TimeEval的指标计算要求分数序列与标签序列长度完全一致，因此触发索引错误。

解决方案 #

方案1：添加分数后处理器补全长度 #

TimeEval支持通过score_post_processor参数，用内置的窗口分数映射器补全序列长度，让分数序列和原始数据长度匹配。修改Algorithm定义如下：

from timeeval.postprocessing import window_mean_score_processor

algorithms = [
    Algorithm(
        name="subsequence_lof",
        main=DockerAdapter(
            image_name="registry.gitlab.hpi.de/akita/i/subsequence_lof",
            tag="latest",
            skip_pull=True
        ),
        data_as_file=True,
        training_type=TrainingType.UNSUPERVISED,
        input_dimensionality=InputDimensionality.MULTIVARIATE,
        # 后处理器窗口大小需与subsequence_lof的窗口参数一致
        score_post_processor=window_mean_score_processor(window_size=100)
    ),
]

方案2：显式指定subsequence_lof的窗口参数 #

如果默认窗口大小不符合需求，可通过param_config指定窗口大小，同时确保后处理器的window_size与之一致：

algorithms = [
    Algorithm(
        name="subsequence_lof",
        main=DockerAdapter(
            image_name="registry.gitlab.hpi.de/akita/i/subsequence_lof",
            tag="latest",
            skip_pull=True
        ),
        param_config=FixedParameters({"window_size": 100, "n_neighbors": 20}),
        data_as_file=True,
        training_type=TrainingType.UNSUPERVISED,
        input_dimensionality=InputDimensionality.MULTIVARIATE,
        score_post_processor=window_mean_score_processor(window_size=100)
    ),
]

方案3：开启自动窗口推断（部分算法支持） #

部分基于窗口的算法会在输出中附带窗口大小信息，TimeEval可自动推断并补全序列。尝试开启auto_post_process参数：

algorithms = [
    Algorithm(
        name="subsequence_lof",
        main=DockerAdapter(
            image_name="registry.gitlab.hpi.de/akita/i/subsequence_lof",
            tag="latest",
            skip_pull=True
        ),
        data_as_file=True,
        training_type=TrainingType.UNSUPERVISED,
        input_dimensionality=InputDimensionality.MULTIVARIATE,
        auto_post_process=True
    ),
]

验证方法 #

修改代码后重新运行，若仍报错，可通过公式 原始序列长度 - 分数序列长度 + 1 计算出算法实际使用的窗口大小，用该值设置后处理器的window_size即可。

内容的提问来源于stack exchange，提问作者Stéphane