待验证50% 置信事实精确时间
Expectile通过对平方损失进行非对称加权定义：最小化 E[w_τ(Y−θ)²] 的解即为 τ-Expectile，其中权重 w_τ 在 Y>θ 时为 τ、否则为 1−τ。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证AdaBoost的权重更新公式来源于对指数损失函数L=Σ_i e^(-y_i F(x_i))的逐步最小化推导72% 相似待验证贝叶斯决策理论选择使期望损失最小化的行动a*，即a*=argmin_a E[L(θ,a)|x]，期望关于后验分布p(θ|x)计算71% 相似待验证损失函数中 tanh(β·E1·E2) 取 β=10，当 β 足够大时将乘积符号信息锐化为接近 ±1 的值69% 相似待验证均方误差（MSE）代价函数定义为 C(w,b) = 1/(2n) Σ ‖yᵢ − ŷᵢ‖²，每项误差平方后恒为非负67% 相似待验证AdaBoost中弱学习器权重公式为α_t = (1/2)ln((1-ε_t)/ε_t)，其中ε_t是该轮的加权错误率67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1023449API
curl https://kongchang.com/api/v1/knowledge/claims/1023449MCP
get_claim(id=1023449)