xaitimesynth：用于评估时间序列归因方法的 Python 包（带合成真实答案）
机器学习
2026-03-10 v1 人工智能
摘要
评估时间序列归因方法困难，因为现实世界数据集几乎不提供哪些时间点驱动预测的真实答案。常见的解决方法是生成合成数据，其中将判别特征置于已知位置，但目前每个研究都从头实现。我们介绍xaitimesynth，一个提供用于这种评估方法的可重用基础设施的 Python 包。该包按照可加模型生成合成时间序列，其中每个样本是背景信号与局部判别特征之和，特征窗口自动跟踪为真实答案掩码。流畅的数据生成 API 和 YAML 配置文件格式允许灵活可重复定义单变量和多变量时间序列的数据集。该包还提供标准本地化指标，包括AUC-PR、AUC-ROC、相关质量度量和相关排名准确度。xaitimesynth是开源的，可在https://github.com/gregorbaer/xaitimesynth获取。
引用
@article{arxiv.2603.06781,
title = {xaitimesynth: A Python Package for Evaluating Attribution Methods for Time Series with Synthetic Ground Truth},
author = {Gregor Baer},
journal= {arXiv preprint arXiv:2603.06781},
year = {2026}
}
备注
9 pages, 1 figure, 2 tables, 1 listing