待验证50% 置信事实精确时间
手工取极值样本会引入离群点，使支持向量数量激增，迫使SVM构建更复杂的决策边界并延长训练时间
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SVM训练运行时间由训练次数与单次训练复杂度共同决定，而非仅取决于数据量大小80% 相似待验证标准SVM(使用SMO等优化算法)的训练时间复杂度介于O(n²)到O(n³)之间，样本量从1000增加到10000理论耗时可能增加100到1000倍76% 相似待验证sklearn中SVC(probability=True)使用Platt Scaling方法，每次fit会在内部额外执行5次SVM训练73% 相似待验证传统大模型训练高度依赖人工标注数据和外部语料收集，这些步骤通常是制约迭代速度的瓶颈72% 相似待验证缺乏约束的基础prompt会导致模型回退到训练数据中最常见的平均态输出，而个性化深度的prompt可显著提升输出独特性72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/558802API
curl https://kongchang.com/api/v1/knowledge/claims/558802MCP
get_claim(id=558802)