1
EA砍掉质量效应，选了没开工的前线3
#游戏#EA#BioWare#星球大战BioWare关门一周后，Bloomberg的Jason Schreier把原因摆了出来：EA在两个科幻项目里二选一，钱只够押一个。 一边是开发中的《质量效应》新作Mass Effect: Universe，上周刚放预告片；另一边是《星球大战：前线3》，连开发都还没开始。EA选了后者：高管认为它"风险更低、更可预测"
新加坡 10-31 19:27 · 吉隆坡 19:27 · 雅加达 18:27 · 曼谷 18:27 · 马尼拉 19:27 · 胡志明 18:27 · 北京 19:27 · 东京 20:27 · 伦敦 11:27 · 纽约 07:27
#游戏#EA#BioWare#星球大战BioWare关门一周后，Bloomberg的Jason Schreier把原因摆了出来：EA在两个科幻项目里二选一，钱只够押一个。 一边是开发中的《质量效应》新作Mass Effect: Universe，上周刚放预告片；另一边是《星球大战：前线3》，连开发都还没开始。EA选了后者：高管认为它"风险更低、更可预测"
#空气质量#NEA#生活信息Amy 原创整理｜资料核验：2026-10-31 NEA这篇说明区分了几个容易混淆的时间尺度：PSI读数反映过去24小时的空气状况；安排翌日活动时看未来24小时PSI预报；判断眼下的户外安排时，1小时PM2.5读数更能反映当前变化，并应配合相应指引。 官方把1小时PM2.5划分为Normal、Elevated、Hi
#机器学习#特征工程#FeatureHasher#学习Amy 原创整理｜资料核验：2026-10-31 【官方文档事实】FeatureHasher设置input_type='string'时，输入应为“由字符串可迭代对象组成的可迭代对象”。外层对应样本，内层是这个样本的特征名，每个特征名默认取值为1。 【教学示例】raw_X=[['red','round'],['bl
#机器学习#特征选择#参数#scikit-learnAmy 原创整理｜资料核验：2026-10-31 【官方文档事实】SelectFromModel按模型给出的重要性筛选特征。max_features限制最多选多少，threshold则决定重要性达到什么水平才保留；两项条件一起生效。若只想按数量上限选择，文档给出的做法是threshold=-np.inf。 【教学情
#机器学习#聚类#scikit-learn#参数Amy 原创整理｜资料核验：2026-10-31 【官方文档事实】AgglomerativeClustering默认n_clusters=2。如果改用distance_threshold作为合并停止阈值，n_clusters必须设为None，compute_full_tree必须为True。阈值达到或超过时，相关簇不
#scikit-learn#卡方检验#特征选择Amy 原创整理｜资料核验：2026-10-31 【官方文档事实】sklearn.feature_selection.chi2计算非负特征与类别之间的卡方统计量。文档要求非负整数特征，例如布尔值或词频计数；连续特征应先按合适方法分箱。返回结果包含每个特征的统计量和p值。 这意味着，若预处理已经把数据中心化成含负数的
#scikit-learn#特征选择#机器学习Amy 原创整理｜资料核验：2026-10-31 【官方文档事实】SelectKBest 默认 score_func=f_classif，默认 k=10。f_classif 面向分类任务；把这个选择器直接搬进回归流程，并不等于会自动换成回归打分。 回归场景可按方法适用性选择 f_regression 或 mutua
#机器学习#特征工程#scikit-learnAmy 原创整理｜资料核验：2026-10-31 【文档事实】FeatureUnion 会把同一份输入交给多路转换器分别处理，然后拼接各路结果，形成一份特征表示。它适合把不同特征提取方式组合起来；并不是把第一路输出继续送进第二路。 【教学示例】对同一批文本，一路提取词级特征，另一路提取字符级特征，再把两组列并排组合
#机器学习#回归#scikit-learnAmy 原创整理｜资料核验：2026-10-30 scikit-learn的TransformedTargetRegressor用于对目标y做变换后训练回归器。官方文档说明，fit时先变换目标，再训练内部模型；predict时会对模型输出应用逆变换，使预测回到原目标空间。 它可以接收带inverse_transfo
#多标签学习#编码#scikit-learnAmy 原创整理｜资料核验：2026-10-30 scikit-learn文档要求MultiLabelBinarizer接收“每个样本对应一组标签”的嵌套可迭代结构。常见错误是直接传入字符串列表：字符串本身可迭代，工具可能把字符当成标签。 教学示例（虚构标签）：两个样本分别有news与sports标签，应传[['n
#机器学习#类别编码#scikit-learnAmy 原创整理｜资料核验：2026-10-30 scikit-learn文档说明，OrdinalEncoder默认handle_unknown='error'，转换时遇到训练阶段没有见过的类别会报错。若选择handle_unknown='use_encoded_value'，必须设置unknown_value，且它
#scikit-learn#Pipeline#调试Amy 原创整理｜资料核验：2026-10-30 scikit-learn的Pipeline文档说明，memory参数可缓存流水线中已经拟合的转换器；默认不启用缓存，最后一步无论是不是转换器都不会被缓存。 启用缓存还有一个容易忽略的变化：拟合前会克隆转换器。因此，最初传给Pipeline的那个外部对象，不应被当作流
#scikit-learn#特征处理#数据管道Amy 原创整理｜资料核验：2026-10-30 scikit-learn文档说明，ColumnTransformer的remainder默认是'drop'：只转换并合并明确选中的列，未指定的列被丢弃。改成'passthrough'时，会把fit阶段已有、但没分配转换器的其余列接到输出后面。 对DataFrame还
#scikit-learn#缺失值#模型输入Amy 原创整理｜资料核验：2026-10-30 scikit-learn文档说明，SimpleImputer的add_indicator=True会把缺失指示器的输出接到填补后的特征后面。但它不是为所有输入列都生成一个标记：如果某一列在fit时没有缺失，那么即使transform时出现缺失，这列也不会进入缺失指示器
#概率校准#模型评估#scikit-learnAmy 原创整理｜资料核验：2026-10-30 scikit-learn 的概率校准说明提出：对校准良好的二分类器，预测概率接近 0.8 的一批样本中，应约有 80% 实际属于正类。这个解释针对一组预测的统计表现，不表示某一个样本必然怎样。 校准曲线将预测分箱，比较每箱的平均预测概率和实际正类比例。文档也提醒，B
#NLB#PressReader#电子报刊Amy 原创整理｜资料核验：2026-10-29 NLB 的 PressReader FAQ 说明，从 NLB Mobile 的 eNewspapers & eMagazines 入口启动，可获得一小时访问；到时可重新从 NLB Mobile 进入。 《海峡时报》《商业时报》《联合早报》等本地报纸有不同条件：需在图
#创作#来源引用#CreativeCommonsAmy 原创整理｜资料核验：2026-10-29 Creative Commons 的复用指引推荐 TASL：Title（有提供时写作品名）、Author（按权利人提供的署名）、Source（原作品链接）、License（具体授权类型）。只写“图片来自网络”，读者无法回到原作核对。 教学用占位模板：作品名｜作者或指
#Steam#退款规则#游戏消费Amy 原创整理｜资料核验：2026-10-29 Steam 对商店游戏及软件的一般退款条件是购买后两周内提出申请，且游玩时间少于 2 小时。申请从官方 Steam Support 提交；超出条件仍可提出申请，但不能把审核当作必定获批。 抢先体验和提前游玩有一个容易忽略的细节：正式发行前的游玩时间通常也计入两小时限
#租房#CEA#身份核验Amy 原创整理｜资料核验：2026-10-29 CEA 的消费者指引要求先核对中介的有效注册。实用步骤是打开官方 Public Register，输入当前与你联系、或广告上展示的电话号码，而不只搜名字。 官方说明：若该号码没有对应中介档案，即使对方给出的姓名及注册号真实，也可能是冒名。档案还可查看注册资料、过去两
#游戏#Steam#平台一件事对不对，看哪个数字：43,505,724。 SteamDB数据：10月11日Steam同时在线4350万人，历史新高，上一个纪录是今年3月的4268万[12]。同一时刻真正在玩游戏的有1450万，这个数字也破了纪录，多了50万[13]。今年已经是第三次破纪录：1月过4200万，3月加50万，10月破4300万[
#小贩#吃喝#文化传承#NEA一件事对不对，看哪个数字：4元。 《联合早报》报道，经营约45年的"老两猪脚冻"，75岁的余忠荣夫妇决定10月底退休[10]。每天凌晨3时到熟食中心备料、熬汤、卤味，有些汤底慢火熬五个多小时，一人份粿汁套餐只卖4元[10]。孩子不接班：各有事业，当小贩太辛苦、成本高、赚不到钱[10]。 这不是一家的账。NEA口径下
#烟霾#PSI#空气质量#NEA一件事对不对，看哪个数字：24小时PSI。 这轮烟霾从10月上旬拖到月底。NEA和气象署的记录：10月14日1小时PM2.5一度139-251微克每立方米（Band 2到Band 4"很高"），24小时PSI 118-168，不健康[15]；15日24小时PSI 121-186[15]；17日对次日的预报直接给到15
#烟霾#PSI#NEA#空气质量这波烟霾从月中烧到现在。把NEA几条公告的数字放一起看： 10月16日预测17日PSI 150到230，不健康到非常不健康；17日实际24小时PSI 130到199，当晚1小时PM2.5冲到106到198微克。20日预测21日还有110到180。直到22日预测才回落到101到150，22日傍晚1小时PM2.5降到23