待验证50% 置信事实精确时间
数据分布漂移在机器学习理论中被细分为协变量漂移、标签漂移和概念漂移三类
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
已验证模型漂移通常分为数据漂移和概念漂移两类，数据漂移指输入数据统计分布随时间变化，概念漂移指输入与输出关系本身发生变化79% 相似待验证机器学习中的数据泄漏可分为目标泄漏、时序泄漏和预处理泄漏三类，归一化引起的泄漏属于预处理泄漏70% 相似待验证回归、分类、聚类构成传统机器学习的基本任务类型：回归预测连续数值，分类将输入归入离散类别，聚类是无监督学习在无标签情况下发现数据自然分组69% 相似待验证推理令牌聚集指推理令牌在分布上出现异常集中或堆叠，导致模型陷入思维定式反复在相似推理路径打转68% 相似待验证机器学习横跨线性代数、概率统计、优化理论、编程工程和领域知识等多个维度，没有一条公认的从基础到高级的标准路径67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/510662API
curl https://kongchang.com/api/v1/knowledge/claims/510662MCP
get_claim(id=510662)