OOD检测 深入解析OOD检测：让AI识别“未知”的智能守护者目录导读什么是OOD检测？——AI的“边界感”从何而来为什么OOD检测如此重要？——从自动驾驶到医疗诊断的真实案例OOD检测的核心技术方法——主流方案... wen 2026-06-30 31
密度估计 密度估计是统计学和机器学习中的一个基本问题,目标是根据有限的观测样本，估计出这些数据背后的概率密度函数，给定一堆数据点,我们想找出这堆数据在空间中是“如何分布的”——哪里密集，哪里稀疏，密度估计主要分... wen 2026-06-30 29
马氏距离 多维空间中的智能度量与实战应用全解析目录导读什么是马氏距离？ —— 概念起源与核心定义马氏距离的数学原理 —— 从欧氏距离到协方差矩阵的进化马氏距离与欧氏距离的本质区别 —— 为什么需要“去相关”马氏... wen 2026-06-30 30
Out-of-Distribution This is a critical concept in machine learning and statistics. Here is a comprehensive breakdown of... wen 2026-06-30 25
基于能量的模型 这是一个非常专业且核心的机器学习概念,基于能量的模型（Energy-Based Models, EBMs）是一种强大的概率模型框架，它在生成式AI、深度学习等领域具有重要地位，我会为你提供一个系统性的... wen 2026-06-30 24
开集识别 突破封闭世界假设，重塑AI认知边界的技术革命目录导读开集识别的定义与背景 – 为什么传统分类器在真实世界中频频“翻车”？核心技术原理 – 从闭集到开集的范式转换,以及经典算法框架，应用场景与价值 –... wen 2026-06-29 27
长尾分布处理 这是一个很有价值的问题,长尾分布（Long-Tail Distribution）是现实世界中非常普遍的现象，从电商商品销量（少数爆款占据大部分销量，大量冷门商品销量极低）到自然语言处理中的词频（少数常... wen 2026-06-29 36
类别不平衡重采样 类别不平衡（Class Imbalance）是分类任务中的常见问题，即数据集中不同类别的样本数量差异巨大（例如欺诈检测中正样本仅占1%），重采样是解决该问题的核心预处理手段，以下是针对类别不平衡的重采... wen 2026-06-29 33
Focal Loss Focal Loss：破解类别不平衡难题的利器——原理、应用与最佳实践📚 目录导读引言：为什么需要Focal Loss？Focal Loss的数学原理与核心公式解析与交叉熵、加权交叉熵的对比主要应用场... wen 2026-06-29 32
代价敏感学习 代价敏感学习（Cost-Sensitive Learning）是机器学习中一类重要的方法，专门用于处理不同类别错误分类代价不同的问题，在常规分类任务中，我们通常假设所有错误分类的代价是相同的,但现实中... wen 2026-06-29 26
