待验证50% 置信事实精确时间
SelectPFN 的优势在真实协变量矩阵上同样得以保持，且仅含交互效应的变量的检测率随其先验权重的增加而单调上升。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
SelectPFN：一次前向传播完成贝叶斯变量选择的稀疏非线性回归新方法
rss2026/10/15
涉及实体
相关事实
待验证格利文科-坎泰利定理保证随着样本量增大，经验分布函数一致收敛到真实分布函数65% 相似待验证SelectPFN 是一种基于先验数据拟合网络（PFN）的模型，能够联合执行贝叶斯变量选择与预测，并专为稀疏非线性回归任务设计；它在单次前向传播中不仅给出预测结果，还返回每个变量的后验包含概率。65% 相似待验证增量重算通过构建单元格依赖关系图精确追踪依赖关系，只重新计算受影响的最小子集64% 相似待验证因果效应的可识别性指干预分布 P(Y|do(X)) 能由纯观测数据分布唯一确定，且对所有与该图结构相容的参数赋值成立，与具体数值无关，只取决于图的结构64% 相似待验证一致性正则化的基本假设是对同一输入样本施加不同扰动时模型输出应保持一致63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042171API
curl https://kongchang.com/api/v1/knowledge/claims/1042171MCP
get_claim(id=1042171)