Exp6 Phase 3b: DLinear Residual 결과 보고서

• 실험: FeDPM + DLinear Residual Path
• 날짜: 2026-04-15
• 스크립트: experiments/distillation/v6_0415_fedpm_original.py --phase 3b

---

1. 실험 설계

가설

VQ path(FL 공유)가 공통 패턴을 잡고, DLinear(로컬 유지)가 가구별 고유 패턴을 보정하면 PAPE가 개선될 것이다.

구조

y_hat = y_vq (VQ path, FL codebook 기반, 공통 패턴)
      + y_dlinear (DLinear path, 로컬 전용, 가구별 개인화)

• VQ path: 원본 FeDPM (Encoder → PMR → Decoder), lr=1e-5
• DLinear path: Series Decomposition → Linear(96→24), lr=1e-6 (VQ의 1/10)
• DLinear 추가 파라미터: 4,656 (총 모델의 0.4%)
• Peak-Weighted Loss: alpha=2.0, beta=2.0

2. 결과

Apt	P1 MSE	R1b MSE	P1 PAPE	R1b PAPE	P1 HR	R1b HR
Apt6	0.801	0.908	39.59	38.55	21.9	21.8
Apt15	0.180	0.183	38.67	36.62	18.6	17.3
Apt30	0.095	0.110	45.75	41.42	27.9	21.4
Apt51	0.678	0.861	47.92	35.43	46.7	28.0
Apt88	0.962	1.064	41.44	39.95	23.7	22.9
Mean	0.543	0.625	42.67	38.40	27.8	22.4

3. 핵심 발견

PAPE 전 가구에서 개선

• 평균 PAPE: 42.67% → 38.40% (-4.27%p)
• 최대 개선: Apt51 -12.49%p (47.92% → 35.43%)
• 최소 개선: Apt6 -1.04%p

MSE는 악화

• 평균 MSE: 0.543 → 0.625 (+0.082)
• MSE-PAPE 트레이드오프가 명확히 존재

HR 하락

• 평균 HR: 27.8% → 22.4% (-5.4%p)
• DLinear가 피크 크기를 더 정확히 맞추지만(PAPE↓), 피크 시점(HR)은 오히려 부정확

4. Phase 3a (MLP Residual)와 비교

Residual 유형	MSE	PAPE	HR	판정
없음 (P1)	0.543	42.67%	27.8%	기준
MLP (R1)	0.539	45.70%	28.5%	FAIL (PAPE 악화)
DLinear (R1b)	0.625	38.40%	22.4%	PASS (PAPE 최선)

MLP는 RevIN 후 피크 정보 소실로 평균 보정만 학습 → 피크 smoothing. DLinear는 원본 입력을 직접 받아 trend/seasonal 분해 → 가구 고유 피크 패턴 보정 가능.

5. 의의

• PAPE 38.40%는 전체 Exp6 중 최선 (NHITS 39.73%도 능가)
• VQ(공통) + DLinear(개인화) 역할 분담 구조의 유효성 확인
• 다만 MSE 악화(+15%)는 비피크 구간 정확도 희생을 의미 → 실용적 trade-off 검토 필요