待验证50% 置信事实精确时间

Z-score 标准化公式为 (x - mean) / std，将数据变换为均值0、标准差1的分布

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

深度学习数据归一化：全局统计 vs 逐图归一化实践指南

redditr/deeplearning2026/7/9

相关事实

待验证价格数据通常呈现右偏分布，使得基于标准差的Z-score方法可能漏检低端异常值68% 相似待验证均方误差对应的是高斯分布假设下的最大似然，而分类问题的标签并不服从高斯分布54% 相似待验证纯坐标/模板匹配方案对版式变化零容忍，供应商调整发票版式或增减行列会导致解析全面崩溃53% 相似待验证XGBoost对不平衡数据具有鲁棒性，可通过scale_pos_weight参数和SMOTE过采样、Focal Loss提升少数类召回率51% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/498076

API

curl https://kongchang.com/api/v1/knowledge/claims/498076

MCP

get_claim(id=498076)