待验证50% 置信事实精确时间
Pan & Yang（2010）提出的迁移学习分类框架将域差异分解为特征空间差异、边缘分布差异和条件分布差异三个维度
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
待验证概念漂移在不同社区有不同术语：统计学家称dataset shift或distribution shift，机器学习社区区分covariate shift和posterior drift，时间序列领域使用non-stationarity61% 相似待验证分布偏移可细分为协变量偏移、标签偏移和概念漂移，在ASR呼叫中心场景中这三种偏移往往同时存在61% 相似待验证原始边界框坐标需转换为模型专用的 token 表示，任何格式偏差都可能导致模型无法正确学习定位能力56% 相似待验证创作者在跨平台横向对比搜索表现时需考虑各平台索引覆盖率的差异，避免数据直接等量比较带来的误判56% 相似待验证对分类模型置信度处于边界区间的素材应设置人工复核节点，以避免漏网与误杀53% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/531559API
curl https://kongchang.com/api/v1/knowledge/claims/531559MCP
get_claim(id=531559)