待验证50% 置信事实精确时间
KL散度本身不包含对子群规模的惩罚，直接最大化会导致过拟合的小子群，这是需要引入支持度约束的根本原因。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
子群发现理论突破：解析最优KL散度子群结构
rss2026/11/2
涉及实体
相关事实
待验证K-factor 模型的关键局限在于它只刻画“量”的扩张，并不反映新增用户与目标客群的匹配度，也不考虑留存。78% 相似待验证论文证明主导项 k/N 是必要的，不能被进一步去除或减小，表明 k 是刻画压缩学习风险的本质参数69% 相似待验证非平衡最优传输通过在目标函数中引入KL散度等惩罚项允许边际约束被软性满足，使低置信度匹配对贡献更小权重66% 相似待验证子群发现中长期存在偏差与支持度的权衡：小规模子群可以高度偏离但缺乏统计意义，大规模子群则受构造限制难以大幅偏离。66% 相似待验证当位置间存在条件依赖时，乘积分布与真实联合分布的KL散度严格大于零，且依赖越强、写入位置越多，KL散度越大64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130793API
curl https://kongchang.com/api/v1/knowledge/claims/1130793MCP
get_claim(id=1130793)