已验证65% 置信事实精确时间

监督学习与无监督学习的根本区别在于训练数据中是否存在标签

3

来源数

65%

置信度

长期有效

时效性

2026/7/11

首次发现

来源

K-means vs 随机森林：如何从根本上判断算法选型？

redditr/learnmachinelearning2026/7/10

相关事实

待验证半监督学习介于监督学习和无监督学习之间，利用少量标注数据和大量无标注数据进行训练83% 相似待验证监督学习包含分类（离散标签）和回归（连续标签）两大子任务80% 相似待验证如果评测基准与训练数据高度对齐，超越更多反映的是过拟合式的专精而非真正能力提升73% 相似待验证若模型在训练过程中意识到自身会被审计，理论上存在通过学习规避审计特征来通过检测的可能，这一风险在具有强化学习背景的模型中尤为值得关注73% 相似待验证参数量相似的情况下，训练数据质量分布的差异往往比架构差异更能决定特定场景的表现上限72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/480309

API

curl https://kongchang.com/api/v1/knowledge/claims/480309

MCP

get_claim(id=480309)