待验证50% 置信事实精确时间

若数据噪声服从拉普拉斯分布，最优损失函数变为L1（绝对值误差）

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

概率机器学习实战：从损失函数到深度神经网络的代码验证

涉及实体

拉普拉斯分布concept L1损失concept

相关事实

已验证模型的泛化误差等于偏差平方加方差加不可约噪声72% 相似待验证批次归一化层在小批次场景下统计量估计噪声很大，与Dice损失的区域级计算特性叠加会放大预测概率分布的波动70% 相似待验证总预测误差可以分解为偏差²+方差+不可约误差70% 相似待验证L2损失对异常值比L1损失更敏感，而L1损失相对稳健69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/901104

API

curl https://kongchang.com/api/v1/knowledge/claims/901104

MCP

get_claim(id=901104)