Unverified50% confidenceFactExact time
信息论中的数据处理不等式表明，经过任何确定性或随机变换后信息只会减少不会增加
1
Sources
50%
Confidence
Long-term
Relevance
8/12/2026
First Seen
Sources
Related Claims
Unverified数据脱敏操作本质上是在降低数据的信息熵，可能削减模型用于精准判断的特征维度71% similarUnverified验证集和测试集不应做任何数据增强，一旦施加变换会引入系统性偏差，破坏对模型泛化能力的无偏估计70% similarUnverified数据多样性对模型泛化能力的影响往往比数据规模更为根本，仅在特定分布上过度拟合的模型在真实部署时表现骤降65% similarUnverified基准过拟合和数据污染会导致模型通过记忆而非真正理解获得高分，使公开基准分数可信度存疑65% similarUnverified不当的数据增强可能破坏数据语义一致性，如在医学影像中随意翻转可能改变解剖学方向性63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/734754API
curl https://kongchang.com/api/v1/knowledge/claims/734754MCP
get_claim(id=734754)