待验证50% 置信事实精确时间

在高维空间中，数据点之间的距离趋于均匀化，导致基于距离的算法效果大打折扣，这称为维度灾难（curse of dimensionality）

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

数学毕业生转行ML工程师：作品集项目方法论全解析

涉及实体

维度灾难concept

相关事实

待验证对高基数类别特征进行独热编码会导致特征空间急剧膨胀，造成维度灾难，使欧氏距离在高维稀疏空间中区分能力急剧下降77% 相似待验证K-means依赖欧氏距离，在处理高基数类别特征时因维度灾难导致距离度量失效72% 相似待验证距离相机越远，透视压缩越严重，单目深度误差被放大，地面拟合逐渐偏离导致测量数据失真71% 相似待验证子图切分方法可能导致位于两个子图交界处的目标被截断而无法完整识别，全局-局部双流编码增加了计算开销和特征融合复杂度68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/870156

API

curl https://kongchang.com/api/v1/knowledge/claims/870156

MCP

get_claim(id=870156)