待验证50% 置信事实精确时间

IQR方法将低于Q1-1.5×IQR或高于Q3+1.5×IQR的数据点标记为异常值，1.5倍系数由统计学家John Tukey在1977年提出

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

用Pandas清洗真实脏数据：机器学习中被忽视的关键一步

相关事实

待验证对于正态分布数据，IQR的1.5倍系数范围大约覆盖99.3%的数据点65% 相似待验证未优化网格的 ACMR 可能高达 1.5 以上，经 meshoptimizer 的 Forsyth 变体算法优化后可降至接近理论下限 0.559% 相似待验证相比基于标准差的Z-score方法，IQR方法不受极端值影响，更适合处理偏态分布的数据59% 相似待验证ACMR（平均缓存未命中率）理论最优值约为 0.5，典型未优化网格 ACMR 可能高达 1.5 以上，经优化后可降至接近 0.558% 相似待验证困惑度是测试集上每个token平均负对数似然的指数，值越低代表模型对语料的预测越准确56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/702463

API

curl https://kongchang.com/api/v1/knowledge/claims/702463

MCP

get_claim(id=702463)