待验证50% 置信事实精确时间

主成分分析（PCA）同时涉及线性代数中的特征值分解和统计学中的方差最大化

1

来源数

50%

置信度

长期有效

时效性

2026/8/19

首次发现

来源

系统学习机器学习：从数学推导到代码实现的完整路径

相关事实

待验证在特征标准化、归一化或PCA降维时使用整个数据集（包括测试集）的统计量而非仅用训练集，会造成特征构造泄露76% 相似待验证PCA只能捕获线性相关性，无法处理数据流形中的非线性结构63% 相似待验证在因子挖掘场景中，候选因子需要携带统计显著性、数据覆盖率等元信息传递给回测智能体以便做出合理评估58% 相似待验证面对偶发故障应采用数据聚合分析而非单点分析，将长时间跨度内的崩溃事件系统性收集、归类、多维度交叉分析57% 相似待验证PCG图的执行遵循惰性求值原则，节点标记为Dirty后在下游消费者实际请求数据时才递归求值52% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/774392

API

curl https://kongchang.com/api/v1/knowledge/claims/774392

MCP

get_claim(id=774392)