我用数据，
研究这些问题。

同一批档案，为什么算出两种覆盖率？

爱尔兰沉船档案共 17,981 条记录，但只有 3,564 条有坐标。按十年比较覆盖率时，需要考虑每年的记录量；直接平均各年百分比，会让样本量悬殊的年份获得同等权重。

我按十年汇总有坐标的记录数与总记录数，再计算覆盖率；跨年份的分类去重计数。3,303 条缺失年份的记录单独列出。这里衡量的是档案完整性，不是海域的沉船风险。

验证中选出的模型，后来表现怎样？

我用三个时间起点的滚动验证比较五种基线方法，按统一口径选型，再查看最后 24 个月的测试表现。模型选定后，不再根据最后这段数据重新挑选。

RMSE 越小越好。这次，验证中选出的季节均值模型，在最后 24 个月输给了季节朴素基线。我把两组结果一起保留：验证时领先的方法，到了下一段时间未必仍然领先。

基于 2016-01 至 2026-04 的历史快照，属于历史回溯分析；最终区间已出现在既有分析材料中，不构成未来盲测。本案例比较五种透明基线，不包含完整 ARIMA 网格对比。预测文件是从 2026-04 出发的练习，单位为指数点，不是收益率或准确率。原始 Cass 数据版权属其提供方，公开包不附历史逐月原值。FRED 系列说明 ↗

怎样把发行商名称拆对？

游戏改编电影数据中，同一条记录可包含多个发行商。处理这类字段时，需要区分字面分隔符与正则表达式，保留机构名称内部的空格。

我按字面分隔符拆分字段，再清理首尾空格，保留名称内部的空格。The Pokémon Company 因而作为完整名称计数，对应 28 条电影记录。每条电影内的相同发行商只计一次；439 行中的一条完全相同占位记录单独说明。

财务比较限定在相同美元符号的记录子集中，未混合币种换算；票房与预算的比值不等同于利润率。

529 条参赛记录，为什么只有 355 人？

奥运快照包含 271,116 条参赛记录。铁人三项对应 529 条记录、355 名不同运动员、30 条获奖记录，分别对应参赛人次、参与人数与获奖运动员记录三种口径。

另有 1,385 条字段完全相同的记录候选，其中 1,315 条来自艺术竞赛。现有字段不足以判断它们是否代表不同作品，因此保留原始口径，额外给出折叠相同行后的敏感性结果。

运动员人数按 ID 去重；团队项目的多条获奖运动员记录不能直接当成国家奖牌总数。

从合成问卷中，观察回答分布。

300 条合成问卷中，每个文件标签各有 150 条记录、6 道题。按“1 或 5 分为极端回答”，以每组 900 次题目回答为分母，分布如下：

两组中点回答率分别为 44.89% 与 32.22%。材料未附完整提示词、调用日志和模型版本，因此模型名称仅作为文件组别标签。分析描述合成样本的分布，不据此推断 RLHF 因果关系或真实人群行为。

换一组偏好，选址结果会变吗？

对 50 州、10 项名次数据进行标准化与 PCA，前四个主成分解释约 79.86% 的方差。加权评价前三位为 North Carolina、Virginia 与 Texas；各项原始名次保留用于解释综合分数。

在 1,000 个权重扰动场景中：North Carolina 与 Virginia 均进入前三，Texas 在 85.5% 的场景进入前三。这是指定偏好变化下的稳定性描述，不是统计置信概率，也不证明存在客观唯一的最佳州。

名次作为数值距离参与 PCA 只是探索性近似；本案例下载结果涵盖 PCA 与权重敏感性，不包含 K-Means 聚类验证。