-
<p>最稳妥的余弦相似度计算是用np.dot(a,b)/(np.linalg.norm(a)*np.linalg.norm(b))，需确保向量维度对齐、处理零向量和NaN，并注意广播与性能优化。</p>
-
Supervisor实现进程守护需满足两个前提：进程不可自行daemon化，且supervisord必须是其直接父进程；否则autorestart=true无效。常见误判是supervisorctlstatus显示RUNNING但实际业务进程已脱离监控，因脚本内部fork、daemon=True或sys.exit()导致子进程脱管；须检查PPID、禁用daemon选项、显式配置exitcodes、startretries等参数，并确保环境变量、路径、Python解释器路径在配置中完整声明。
-
torch.cuda.amp不能直接套在模型外面，因其仅动态插入autocast和GradScaler逻辑，不修改模型结构或参数类型；需协同对齐权重（float32）、输入（float32）与损失（autocast外调用），并严格按scaler.scale→step→update顺序执行。
-
当同一数据集在SAS中运行逻辑回归无警告，而在Python（statsmodels）中触发“准完全分离”警告时，本质并非软件对错之争，而是二者检测策略与默认处理机制不同；预测性能通常稳健，但参数估计与推断需谨慎解读。
-
StandardScaler需先用训练集fit_transform，再用同一实例transform测试集；不处理缺失值和非数值列，异常值与偏态无改善，树模型无需使用。
-
Python日志分析接入ELK+Grafana的核心是理清数据流向：Python采集清洗→Logstash转换→ES存储→Kibana/Grafana展示；需用loguru等结构化日志、Logstash精简过滤、ES索引按时间切片与冷热分离、Grafana用Lucene语法聚合告警。
-
必须设timeout参数，推荐timeout=(3,7)，连接超时≤3s、读取超时≤10s；仅status_code==200不够，需校验响应内容是否含预期关键词。
-
线性回归通过最小化平方误差建模线性关系，用最小二乘或梯度下降求解参数；逻辑回归是分类模型，以sigmoid输出概率并最大化对数似然；决策树递归划分空间提升纯度，易过拟合需剪枝；随机森林集成多棵Bagging树，提升鲁棒性与泛化能力。
-
Pythonint不怕溢出是因为采用任意精度设计，底层自动切换大整数表示；但代价是小整数与超大整数共享接口却性能差异巨大，str()、除法等操作复杂度显著升高。
-
应显式列举空值、None、边界数字等异常输入，用@pytest.mark.parametrize逐一覆盖；需精确声明预期异常类型并用match校验消息；Unicode边缘case如BOM、零宽空格、代理对须硬编码测试。
-
本文介绍通过注入自定义CSS样式，强制禁用JupyterWidgets输出区域的滚动容器高度限制，从而避免widgets.Output在动态渲染内容时被意外压缩、需手动滚动查看的常见问题。
-
不拉伸变形的关键是用scale=1280:-2或scale=-2:720保持宽高比，-2确保尺寸为偶数适配yuv420p；加force_original_aspect_ratio=decrease和pad可缩放加黑边。
-
start_requests方法是Scrapy中用于生成初始请求的默认方法，它基于start_urls创建Request对象；重写该方法可自定义初始请求，如添加headers、cookies、支持POST请求或结合认证逻辑，从而灵活控制爬虫启动行为。
-
Python的random模块不安全，因其基于可预测的MersenneTwister算法；应改用secrets模块或os.urandom()生成密码学安全随机数，避免使用非明确声明“cryptographicallysecure”的函数。
-
python_requires需配合wheel格式发布才生效，仅写>=3.8不足；必须生成含py38等标签的.whl文件并上传PyPI，且安装时使用pip≥9.0.0，源码包.tar.gz会忽略该限制。
