待验证50% 置信解决方案精确时间

在鲁棒回归中将似然函数从高斯替换为 t 分布，等价于降低离群点权重，因为 t 分布的对数似然对极端值的惩罚增长更缓慢

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

从零编码机器学习概率分布：高斯、Beta、Gamma分布实践指南

涉及实体

Student's t 分布concept 鲁棒回归concept

相关事实

待验证Student's t 分布是一种重尾分布，其尾部衰减比高斯分布更慢，对异常值更鲁棒78% 相似待验证贝叶斯决策理论选择使期望损失最小化的行动a*，即a*=argmin_a E[L(θ,a)|x]，期望关于后验分布p(θ|x)计算66% 相似待验证柯西分布是自由度 ν=1 的 t 分布特例，其期望值和方差都不存在，样本均值不会收敛，CLT 在此失效66% 相似待验证假设数据服从高斯分布，最大化似然等价于最小化均方误差66% 相似待验证假设数据服从伯努利或多项分布，最大化似然等价于最小化交叉熵损失函数65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/831827

API

curl https://kongchang.com/api/v1/knowledge/claims/831827

MCP

get_claim(id=831827)