Granularity Paradox

时间序列预测悖论揭示：更细粒度的数据会降低准确性

一篇新论文提出了时间序列预测中的“粒度悖论”，强调时间分解的增加会改善样本内拟合，但由于误差累积而降低样本外准确性。该研究形式化了这种权衡，并使用13年的公共采购数据集，在六种粒度上对十种模型进行了基准测试。研究结果表明，虽然像Holt-Winters这样的模型在每日频率下表现不佳，LSTMs显示出U形误差曲线，而线性回归保持稳定，这表明该悖论与递归反馈拓扑有关，而不是模型复杂度。