待验证50% 置信事实精确时间

测试误差的确定性等价表达式统一刻画了样本量、协方差结构、模型漂移、正则化强度和隐私噪声等因素的相互作用

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

隐私迁移学习：如何在不看数据的情况下判断外部数据是否值得买

涉及实体

确定性等价concept

相关事实

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77% 相似待验证相似度阈值过高可能导致有效答案被误过滤，过低则可能引入噪声，需在召回率和精确率之间权衡77% 相似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76% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力75% 相似待验证一处缺陷数据引入的偏差可以泄漏到看似无关的能力维度，导致模型在欺骗性、顺从性、风险规避等多个独立指标上同时退化75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975992

API

curl https://kongchang.com/api/v1/knowledge/claims/975992

MCP

get_claim(id=975992)