Modelle
Richten Sie einen OpenAI-kompatiblen oder Anthropic-Endpunkt mit Basis-URL und gegebenenfalls API-Schlüssel ein. Testen Sie die Verbindung. Ein lokaler Modellserver muss laufen; entfernte Werkzeuge können Daten separat übertragen.
Produkt
Funktionen der Software · Ungewichtete isotone Regression
01
Prüfe jeden zusammengelegten Block neben den Messwerten, damit ein flacher Abschnitt durch seine Kleinste-Quadrate-Bedingung erklärt wird.
Projekt
Wählen Sie einen Ordner und lassen Sie die betreffenden Dateien vor einer Änderung lesen. Legen Sie Ziel und Grenzen der Aufgabe fest.
Änderungen
Prüfen Sie Änderungen und Befehlsausgaben. Führen Sie die Projektprüfungen aus, bevor Sie das Ergebnis übernehmen; erzeugter Code ist nicht automatisch getestet.
Ungewichtete isotone Regression
● ● ●OrderSaffron●
Arbeitsabläufe · Ungewichtete isotone Regression ×
from math import isfinite
def isotonic_fit(values):
if type(values) is not list or len(values) > 128:
raise ValueError("bounded list")
if any(type(x) not in (int, float) or abs(x) > 10**6 or
not isfinite(x) for x in values):
raise ValueError("bounded finite values")
blocks = []
for value in values:
blocks.append([float(value), 1])
while len(blocks) > 1 and (
blocks[-2][0] / blocks[-2][1] > blocks[-1][0] / blocks[-1][1]):
total, count = blocks.pop()
blocks[-1][0] += total; blocks[-1][1] += count
return [total / count for total, count in blocks for _ in range(count)]✳Passe eine nicht fallende Folge mit ungewichteten kleinsten Quadraten an höchstens 128 endliche Werte bis ±10^6 an.
✓ ÄnderungenVor dem Anwenden prüfen ↗
Illustration der Arbeitsumgebung