FINDING #6915 · UNIT ID 1057515940
KEV0143/Comparative-analysis-of-hourly-load-forecasting-using-PatchTST-TFT-NHiTS-and-CatBoost
A comprehensive time-series benchmark evaluating state-of-the-art deep learning architectures (PatchTST, TFT, N-HiTS) against traditional gradient boosting (CatBoost) for accurate 24-hour load prediction.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
4.29
ACCEL
-0.79
RETENTION
38.9%
PEAK 2026-07-10 · FORK-RETENTION 0.0% · 30 STARS / WINDOW
Author Audience
AUDIENCE
3,956
FOLLOWERS
2,250
OWNER ★
17,060
Engagement Signals
FORKS
0
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 30 / 30 (DIVERSITY 1.00)
Why This Is A Finding
KEV0143/Comparative-analysis-of-hourly-load-forecasting-using-PatchTST-TFT-NHiTS-and-CatBoost собрал 30 звёзд за окно, тогда как у автора всего 2,250 подписчиков — эффективная аудитория ≈ 3,956. Это даёт surprise-индекс 0.00107 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 1% OF 6993 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6993 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 1%
VELOCITY4.293.71+0.57ABOVE 55%
RETENTION38.9%32.1%+6.8 PPABOVE 62%
FORKS093-93ABOVE 0%
SURPRISE0.000.01-0.01ABOVE 16%