待验证50% 置信事实精确时间
聚类标准误用于处理样本间不独立的情形：当同一案件对应多条记录时，若按独立样本计算方差会低估标准误、虚高显著性，正确做法是先聚类汇总再调整方差估计。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力80% 相似待验证在类别不平衡场景下单纯的准确率可能具有误导性，需要结合混淆矩阵进行更细粒度评估77% 相似待验证在多分类任务中，准确率在类别样本不均衡时会失真；精确率反映误报程度，召回率反映漏报程度，F1分数是精确率与召回率的调和平均。77% 相似待验证在标签不平衡的场景下，准确率极具误导性，一个永远预测多数类的模型可以在准确率上拿到很高的分数但漏掉所有正例。76% 相似待验证一处缺陷数据引入的偏差可以泄漏到看似无关的能力维度，导致模型在欺骗性、顺从性、风险规避等多个独立指标上同时退化75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1083200API
curl https://kongchang.com/api/v1/knowledge/claims/1083200MCP
get_claim(id=1083200)