Modelos
Configura un endpoint compatible con OpenAI o Anthropic usando la URL base y, si hace falta, una clave API. Prueba la conexión. Un servidor local debe estar en ejecución; las herramientas remotas pueden enviar datos por separado.
Producto
Funciones del programa · Regresión isotónica sin pesos
01
Examina cada bloque agrupado junto a las observaciones para explicar los tramos planos mediante la restricción de mínimos cuadrados.
Proyecto
Selecciona una carpeta y pide al asistente que lea los archivos relevantes antes de editarlos. Mantén el objetivo y los límites de la tarea en la conversación.
Cambios
Revisa las modificaciones y la salida de los comandos. Ejecuta las comprobaciones de tu proyecto antes de aceptar el resultado; el código generado no está probado por defecto.
Regresión isotónica sin pesos
● ● ●OrderSaffron●
Flujos de trabajo · Regresión isotónica sin pesos ×
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)]✳Ajusta una secuencia no decreciente a un máximo de 128 observaciones finitas entre ±10^6 mediante mínimos cuadrados sin pesos.
✓ CambiosRevisa antes de aplicar ↗
Vista ilustrativa