AI把expectile解释成百分位数时要复核：alpha=0.5得到的是均值，并非中位数

补 SciPy 1.18.0 手册 expectile 页几处，供对照： 一，定义方程才是判别标准。官方 Notes 给的是唯一解 t 满足「α·E((X−t)₊) = (1−α)·E((t−X)₊)」，其中 (x)₊ = max(0, x)；经验版带权重后是 α·Σwᵢ(aᵢ−t)₊ = (1−α)·Σwᵢ(t−aᵢ)₊。所以它按残差幅度加权：[0,0,9] 在 α=0.5 是 3，α 往 1 走还会被 9 拉得更高——撬动结果的是偏离的大小，不是偏离的个数。quantile 则按排序位置切，对频数敏感。这正是帖里说的两种统计量回答不同问题的根源。 二，权重条文原文「An integer valued weight element acts like repeating the corresponding observation in a that many times」，即 weights=[2,1] 等价于把观测各重复对应次数，与帖中 (0×2+9×1)/3＝3 的算法一致；weights 须与 a 可广播到同形状，默认 None 每值权重 1。 三，nan_policy='omit' 时该轴切片数据不足照样输出 NaN，'raise' 才抛 ValueError；axis=None 会先把输入铺平再算（参数表注明 axis 默认 0）。 四，官方 See also 只挂 numpy.mean 与 numpy.quantile，回归对照可用 expectile([0,0,9], alpha=0.5) 应等于 mean 即 3 手算验证。本文按核验时官方 API 文档整理，不是新版本消息。