待验证50% 置信事实精确时间

在岭回归中，仅存储预测器需要 dp 的代价，而精确的学习状态需要 dp + d(d+1)/2 的代价，多出的 d(d+1)/2 对应设计矩阵的二阶协方差结构信息

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

预测不等于记忆：为什么复现当前预测的状态仍可能"忘记"如何学习

涉及实体

ridge regressionconcept

相关事实

待验证对于普通未加权观测，当损失为D次多项式时，恰好需要 r=C(d+D, D)-1 个坐标69% 相似待验证收敛速率同时受到数据维度 d_x 和条件维度 d_y 的影响，这与高维生成问题中的维度诅咒现象一致64% 相似待验证概率数据结构的内存占用不随数据量线性增长，而是被压缩到固定或缓慢增长的规模，代价是引入可量化、可控制的误差63% 相似待验证完整雅可比矩阵的计算代价是O(m×n)次前向传播，实际应用中研究者通常采用随机化SVD或Lanczos迭代等算法近似计算其低秩分解63% 相似待验证多向量表示带来的存储与计算开销是后交互路线取代单向量嵌入方案需要权衡的核心代价63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002205

API

curl https://kongchang.com/api/v1/knowledge/claims/1002205

MCP

get_claim(id=1002205)