目前的專案做到一段落了，然後在發佈時還是遇到記憶體和 GC 問題，而且通常在發佈后才會面臨到不少的回報，很多時候内部測試因爲量級、設備、環境諸多因素很難第一時間發現

例如，某個 Update 裡多一個 Linq、某段 UI 每幀抓一次 GetComponentsInChildren。等到 Profiler 上看到 GC.Alloc 尖峰，要回頭找來源就很花時間。

偶然看到 Unity 官方介紹的 Project Auditor，這是一個靜態分析工具。它不需要執行遊戲，直接掃描程式碼、資源和專案設定，列出可能影響效能與記憶體的問題，也會附上說明和建議修法。這篇記錄我用它分析專案的流程，以及挑出來的幾個記憶體問題要怎麼改。

- 閱讀剩餘部分 -

接續上一篇内容，如果只有 8 年的城市指標數據的情況下想做趨勢分析，線性迴歸對小樣本和離群值都不友善。這時候我們可以使用 Mann–Kendall，可以套用在這樣的應用場景 —— 非參數、不假設常態、配上 Sen's slope 估斜率比 OLS 還抗噪。

在此我們先討論為什麼線性迴歸在這裡不夠用

- 閱讀剩餘部分 -

這個項目的構思從一開始是如此的，譬如我獲取到城市的 44 個地點 × 7 個指標 × 8 個年份的城市數據，我想要判斷「高建築密度的點是不是傾向跟其他高密度點聚在一起」，後來我使用了空間自相關概念 —— Moran's I。

一、空間自相關

假設你手上有城市 44 個採樣點的建築密度數據。如果你只看「平均值 + 標準差」，你只知道整體分佈的形狀，卻無法觀察到空間結構信息：

• 隨機分佈：高密度點到處散落，沒有規律
• 聚集分佈：高密度的點都擠在某幾個區塊（譬如市中心 + 副都心）
• 棋盤分佈：高低密度交錯，鄰居總是相反

- 閱讀剩餘部分 -

這章節將計算「關聯有多少」，以及解釋「整體純、局部混合」的概念

看最簡單的Bell態：

$$
|\Phi^+\rangle
=\frac{|0\rangle_A|0\rangle_B+|1\rangle_A|1\rangle_B}{\sqrt2}
$$

從整體看，$AB$ 由一個態向量描述，所以是純態。

- 閱讀剩餘部分 -

回到項目列表

選取本地目錄

- 閱讀剩餘部分 -