待验证60% 置信事实精确时间
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
2
来源数
60%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
已验证模型漂移通常分为数据漂移和概念漂移两类，数据漂移指输入数据统计分布随时间变化，概念漂移指输入与输出关系本身发生变化79% 相似已验证数据漂移或概念漂移指真实世界数据分布发生变化而模型仍基于旧数据训练时性能会显著下降，业界采用持续学习和主动学习策略应对72% 相似待验证2009年Quiñonero-Candela等人合著的《Dataset Shift in Machine Learning》一书系统化了数据集偏移领域的理论框架72% 相似待验证机器学习的核心算法深度依赖数学直觉，梯度下降算法依赖偏导数确定参数更新方向，反向传播本质上是链式法则的系统化应用72% 相似待验证股价序列是典型的非平稳数据，模型训练时数据分布与预测时数据分布的实质性变化在统计学中称为「概念漂移」71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/510662API
curl https://kongchang.com/api/v1/knowledge/claims/510662MCP
get_claim(id=510662)