待验证50% 置信事实精确时间

机器学习中的数据泄漏可分为目标泄漏、时序泄漏和预处理泄漏三类，归一化引起的泄漏属于预处理泄漏

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

待验证数据分布漂移在机器学习理论中被细分为协变量漂移、标签漂移和概念漂移三类70% 相似待验证回归、分类、聚类构成传统机器学习的基本任务类型：回归预测连续数值，分类将输入归入离散类别，聚类是无监督学习在无标签情况下发现数据自然分组67% 相似待验证SPLADE 是一种学习型稀疏检索模型，通过神经网络为文档生成稀疏向量表示，可在倒排索引上高效运行66% 相似待验证机器学习模型可能过度拟合特定训练样本，在生成内容时意外重现原始数据细节，称为训练数据记忆化63% 相似待验证自动微分的前向模式适合输入少输出多的场景，反向模式适合输入多输出少的场景，深度学习因参数多而损失为标量属于后者62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/500165

API

curl https://kongchang.com/api/v1/knowledge/claims/500165

MCP

get_claim(id=500165)