直接使用 gonum.org/v1/gonum/mat 无需封装，但必须严格遵循行优先内存布局、显式指定接收者进行矩阵运算、正确处理 NaN/Inf 及维度对齐，否则必 panic 或结果错误。
直接用 gonum.org/v1/gonum/mat 就能开干，不需要封装层或胶水代码——但必须注意矩阵内存布局和方法调用顺序，否则结果是错的、panic 是必然的。
mat.NewDense 的 data 切片是按行优先（row-major）填充的
这是最容易出错的地方：传进去的 []float64 不是“一行一行写”，而是“所有行拼成一长条”。比如想建矩阵 [[1,2],[3,4]]，必须写 mat.NewDense(2, 2, []float64{1,2,3,4})，而不是 {1,3,2,4} 或其他顺序。
- 错误示例：
mat.NewDense(2,2,[]float64{1,3,2,4})→ 实际得到的是[[1,3],[2,4]] - 验证方式：用
mat.Formatted(a)打印，别只看fmt.Printf("%v", a)，后者不显示结构 - 如果数据来自 CSV 或外部 API，先 flatten 再传，别试图用嵌套循环构造切片
矩阵运算必须用目标变量接收结果，不能链式调用
mat.Dense 的多数运算方法（如 Mul、Add、Sub）是就地（in-place）或需显式指定接收者，没有返回值。直接 a.Mul(b, c) 是错的；正确写法是声明一个空 mat.Dense 变量，再调用 .Mul() 把结果写进去。
- 正确写法：
var c mat.Dense; c.Mul(a, b) - 错误写法：
c := a.Mul(b, c)（编译失败，Mul返回void） - 若想复用内存，可提前初始化
c并确保尺寸匹配；否则Mul会 panic “dimension mismatch” -
At(i,j)是只读的，修改元素要用Set(i,j,x)
解线性方程组别手写高斯消元，用 mat.Solve 或 mat.Cholesky
面对 Ax = b，别自己实现求逆再乘——数值不稳定且慢。Gonum 提供了稳定接口，但要注意输入约束：
立即学习“go语言免费学习笔记（深入）”；
-
mat.Solve要求A是非奇异方阵，b是列向量（mat.Vector或*mat.Dense行数为 n、列数为 1） - 如果
A对称正定，优先用mat.Cholesky+SolveTo，快 2–3 倍且更稳 - 输入
b是一维切片？得先转成列矩阵：mat.NewDense(len(b), 1, b)，否则Solve会 panic “non-conformant input” - 没有内置的最小二乘解（如
Ax ≈ b且 A 非方），得用mat.SVD自己算U * Σ⁻¹ * Vᵀ * b
stat 包做统计时，注意 NaN 和 Inf 的传播行为
gonum.org/v1/gonum/stat 的函数（如 Mean、StdDev、Covariance）默认不跳过 NaN，遇到就会返回 NaN，且不报错。
- 预处理建议：用
math.IsNaN过滤或替换异常值，别依赖 stat 函数内部处理 -
stat.CovarianceMatrix要求输入是[][]float64每行一个观测、每列一个变量；行列颠倒会算错协方差 - 若数据含缺失值（0 或 -1 占位），先做标记清洗，
stat不识别语义意义上的“缺失” - 分布拟合（如
stat.Fit）目前仅支持少数分布，别指望它自动选模型
真正卡住人的从来不是 API 调用，而是矩阵维度是否对齐、data 切片顺序是否符合 row-major、以及 NaN 是否悄悄混进了计算流——这三处不人工核对，跑出来的数字再“漂亮”也没意义。
