Unverified50% confidenceFactExact time
决策树使用沿坐标轴的轴对齐分割，对特征的单调变换和局部拉伸不敏感，因此对保持类别排序的变换具有天然不变性
1
Sources
50%
Confidence
Long-term
Relevance
8/24/2026
First Seen
Sources
Related Entities
Related Claims
Unverified决策树及其集成版本（随机森林、XGBoost）对特征缩放不敏感，不需要像SVM或神经网络那样进行标准化预处理63% similarUnverified当数据包含大量高基数类别特征时，基于距离的算法（如K-means、KNN）表现不佳，基于树的模型（如随机森林、梯度提升树）通常更稳妥63% similarUnverified该SWD特征变换实验在决策树上表现良好，但在逻辑回归、SVM、KNN等算法上效果糟糕61% similarUnverified预标注会引入锚定效应，标注员倾向于接受而非推翻已有预标注结果，即使存在微小错误，低质量预标注会系统性地将判断拉向错误方向58% similarUnverified在RAG场景中，分块大小、检索Top-K数量、相似度阈值、是否引入Rerank重排序模型等参数相互影响，没有通用最优解58% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/793940API
curl https://kongchang.com/api/v1/knowledge/claims/793940MCP
get_claim(id=793940)