待验证50% 置信事实精确时间
sklearn的SVC使用John Platt于1999年提出的Platt Scaling方法，在SVM训练完成后额外拟合一个Sigmoid函数将决策值映射到[0,1]区间来输出概率
1
来源数
50%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
待验证GridSearchCV将参数网格的穷举遍历与k折交叉验证结合，导致训练次数乘以k倍65% 相似待验证强行取极值样本会引入离群点，迫使SVM构建更复杂的决策边界，高阶poly核在这种数据上收敛更慢65% 相似待验证Platt Scaling通过Sigmoid函数P(y=1|x)=1/(1+exp(Af(x)+B))映射概率，参数A和B通过最大似然估计在留出集上拟合62% 相似待验证LoRA 利用 SVD 的低秩近似原理，将大型权重矩阵的增量更新分解为两个低秩矩阵的乘积，从而将可训练参数量从数十亿压缩至数百万量级61% 相似待验证支持向量机（SVM）由Vapnik和Cortes在1995年提出，其核心是正负类之间决策边界的间隔最大化59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/558030API
curl https://kongchang.com/api/v1/knowledge/claims/558030MCP
get_claim(id=558030)