待验证50% 置信事实精确时间

方差σ²(x)捕捉认知不确定性与随机不确定性的混合，前者反映模型对数据见得少，后者反映数据本身固有噪声

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

认知不确定性concept 随机不确定性concept

相关事实

待验证认知不确定性源于训练数据不足可通过增加数据减少，随机不确定性源于数据固有噪声无法通过增加数据消除77% 相似待验证监督学习模型在未见数据上的期望误差可分解为偏差²、方差和不可约噪声三个分量75% 相似已验证上下文中的噪声信息会以非线性方式降低模型推理准确性75% 相似已验证大模型幻觉产生的三大原因是训练数据噪声、概率优先机制和数据时效性不足73% 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73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/901107

API

curl https://kongchang.com/api/v1/knowledge/claims/901107

MCP

get_claim(id=901107)