sparse-autoregression

深度分析

以 Wikipedia 小時流量建立的 TailedTS 基準：非高斯損失下的魯棒預測與稀疏週期性模型

研究以2024年Wikipedia小時頁面瀏覽資料為基準，資料量約246.9億筆、每月約300萬頁面，用於研究重尾與零膨脹時間序列。採稀疏自迴歸且限定非負與稀疏，量化日週周期並採用非高斯損失（如Huber和分位數）評估預測。結果發現熱門頁面週期性較弱，傳統高斯估計在高流量類別效能下降，而魯棒損失帶來穩定提升。