▲РЕПО НЕТ В ОКНЕ 3D. ПОКАЗАН FINDING ИЗ ОКНА 30D (30 days) — РАНГ #9598.
FINDING #9598 · 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)
8% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
4.37
ACCEL
-0.09
RETENTION
42.2%
PEAK 2026-08-16 · FORK-RETENTION 0.0% · 131 STARS / WINDOW
Author Audience
AUDIENCE
4,712
FOLLOWERS
2,659
OWNER ★
20,529
Engagement Signals
FORKS
0
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 131 / 131 (DIVERSITY 1.00)
Why This Is A Finding
KEV0143/Comparative-analysis-of-hourly-load-forecasting-using-PatchTST-TFT-NHiTS-and-CatBoost собрал 131 звёзд за окно, тогда как у автора всего 2,659 подписчиков — эффективная аудитория ≈ 4,712. Это даёт surprise-индекс 0.000919 (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 9679 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9679 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 1%
VELOCITY4.373.80+0.57ABOVE 55%
RETENTION42.2%25.0%+17.2 PPABOVE 81%
FORKS0112-112ABOVE 0%
SURPRISE0.000.01-0.01ABOVE 14%