待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
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59% 相似待验证现代量化方案如GPTQ、AWQ引入逐层校准和误差补偿机制，将困惑度损失控制在1–2%以内57% 相似待验证GPTQ（2022）引入逐层Hessian矩阵近似，通过最小化权重量化前后的输出重建误差优化量化参数55% 相似待验证GPTQ是基于逐层误差补偿的训练后量化方案，精度损失最小55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/565474API
curl https://kongchang.com/api/v1/knowledge/claims/565474MCP
get_claim(id=565474)