-
StandardScaler不能直接对测试集fit_transform，因会泄露测试集统计信息；须用训练集fit后，再用同一scaler对测试集transform。SimpleImputer中，偏态或含异常值选"median"，近似正态且缺失少选"mean"。
-
该进，但必须和代码解耦。架构图应作为衍生品由代码自动生成，只存生成逻辑（如generate_arch.py）和模板（如arch.dot.j2），不存PNG/SVG文件；通过AST静态分析提取依赖关系，用DOT渲染并上传至带版本标记的存储，以ARCH_VERSION.json为版本锚点。
-
应使用Lifelines库而非scipy.curve_fit做留存衰减拟合，因其能正确处理右删失、用户级异质性及不等长观察期；WeibullFitter适用于外推与协变量分析，KaplanMeierFitter适合无分布假设的趋势验证。
-
该选BentoML当需快速复现、版本化、Kubernetes一键部署模型；选FastAPI+ONNX当已有成熟工程且需强定制路由/中间件/鉴权等逻辑。
-
冻结PyTorch模型某几层的核心是将对应参数的requires_grad设为False，并确保优化器仅包含需更新的参数；需遍历parameters()而非模块本身，BN层还需额外处理track_running_stats或调用eval()。
-
Pandas2.0中GroupBy.apply慢因默认纯Python执行、无JIT/向量化；提速需绕过apply，改用agg配合@numba.jit预编译函数并手动切片数组。
-
本文介绍如何在Python中定义一个函数，使其能接收任意类型的元素和由该类型元素组成的列表，并通过类型检查确保列表中所有元素与输入元素类型一致。
-
RandomForestClassifier在不平衡数据上召回率低是因默认自助采样偏向多数类且投票机制利于多数类；正样本绝对数决定业务影响；分层交叉验证需固定shuffle和random_state以确保recall可复现。
-
Streamlit的st.session_state仅在通过streamlitrun启动应用时才被完整初始化；若直接用pythonscript.py执行，SessionState代理未激活，导致KeyError，即使代码中已做存在性检查也无法避免。
-
在Python中使用Windows路径时，反斜杠\会被解释为转义字符，导致SyntaxError；解决方法是使用双反斜杠\\、原始字符串r""或正斜杠/来避免转义问题。
-
“Couldnotstepsystemclock”是chronyd因缺少CAP_SYS_TIME能力而无法直接跳变系统时间导致的启动失败错误；根本原因是非特权用户进程被内核禁止调用clock_settime()，需通过setcap添加能力并配置systemdservice的CapabilityBoundingSet和AmbientCapabilities来修复。
-
Adam与SGD解决不同问题：Adam开箱即用但泛化弱，SGD需搭配warmup和重置的余弦退火才能稳定收敛；推荐AdamW优先，或分阶段先Adam后SGD微调。
-
回调函数绑定给Future或Task对象而非asyncdef函数，触发于其done状态变化；须用create_task等显式获取任务对象才能绑定，且回调中需检查exception()再调用result()。
-
不能。torch-tensorrt是torch.compile后端，仅支持有限模型结构，对动态控制流、自定义算子兼容性差，YOLOv9、FishSpeech等实测易报错；稳定路径仍是PyTorch→ONNX→TensorRT。
-
Python中类是创建对象的模板，通过class定义，使用__init__初始化实例属性，self指代实例本身，确保数据独立性和方法调用；支持类属性、类方法（@classmethod）和静态方法（@staticmethod）；继承通过子类扩展父类功能，实现代码复用与多态。
