Unverified50% confidenceSolutionExact time
在鲁棒回归中将似然函数从高斯替换为t分布，等价于在损失函数中降低离群点的权重
1
Sources
50%
Confidence
Long-term
Relevance
8/31/2026
First Seen
Sources
Related Entities
Related Claims
Unverified从回报中减去任何不依赖于动作的基线函数b(s)不会改变梯度估计的期望值但可以降低方差74% similarUnverified梯度下降的参数更新规则为 θ_{t+1} = θ_t - η·∇L(θ_t)，其中η是学习率，沿负梯度方向更新参数可最快减小损失函数71% similarVerified梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛68% similarUnverified梯度下降的收敛条件与学习率和损失函数的Lipschitz常数的关系有关67% similarUnverified2018年Wachter等人将反事实解释形式化为可计算的损失函数：最小化特征变化量的同时约束模型输出翻转到期望类别66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/831743API
curl https://kongchang.com/api/v1/knowledge/claims/831743MCP
get_claim(id=831743)