时序插值中的 Stationarity 偏差：监管动态系统的分层应力测试
机器学习
2026-02-18 v1
摘要
时序插值基准使用均匀随机遮蔽和无形态无关的指标（MSE、RMSE），隐含地按占比对评估进行加权。在具有主导吸引子（如生理学中的稳态、工业操作中的稳态、网络流量中的稳态）的系统中，这会导致系统性的 Stationarity 偏差：简单方法因基准主要抽样于易、低熵 稳态 而显得优越。我们形式化了此偏差，提出一种分层应力测试，将评估划分为稳态与瞬态两个 regime。以连续血糖监测（CGM）为测试平台——该方法因严格的基准强制函数（餐食、胰岛素）使我们能够精确识别稳态——我们确立了三个具有广泛影响的发现：(i) 稳态效率：线性插值在稳定区间实现最佳重建，确认在低熵 稳态 区域复杂架构是计算上浪费的。(ii) 瞬态保真：在关键瞬态（餐后峰值、低血糖事件）期间，线性方法在形态保真度（DTW）上出现严重退化，与其 RMSE 相比不成比例——我们称之为 RMSE 幻觉，即低点误差掩盖了信号形态的毁灭。(iii) 基于 regime 的模型选择：深度学习模型在瞬态期间保持点准确度和形态完整性，对于安全关键的下游任务至关重要。我们进一步从临床试验中推导出经验缺失分布并用于完整训练数据，防止模型利用不切实际的干净观测，鼓励在真实缺失情形下的鲁棒性。该框架可推广至 routine 稳态占主导的任何受监管系统。
引用
@article{arxiv.2602.15637,
title = {The Stationarity Bias: Stratified Stress-Testing for Time-Series Imputation in Regulated Dynamical Systems},
author = {Amirreza Dolatpour Fathkouhi and Alireza Namazi and Heman Shakeri},
journal= {arXiv preprint arXiv:2602.15637},
year = {2026}
}