연구진은 간단한 Conformal Interval이 기존의 예측 모델보다 훨씬 강력한 기준이 될 수 있음을 입증했어요.
2,217개의 실제 시계열 데이터셋에서 ConformalNaive Interval은 단순한 기준 모델을 능가하고, 심지어 훈련된 모델과 비슷한 성능을 보이기도 했어요.
DeepNPTS와 같은 훈련된 신경망 예측 모델보다 더 나은 교정률을 보여주며, 95% 신뢰 구간에서 실제 값을 84~85% 정확하게 포함했어요.
연구진은 ConformalNaive+라는 새로운 방법을 제시하여, 다양한 시계열 데이터에서 최적의 기준을 선택하고 예측 정확도를 높일 수 있음을 확인했어요.