Modelli
Configura un endpoint compatibile con OpenAI o Anthropic usando URL di base e chiave API, se necessaria. Prova la connessione. Il server locale deve essere in esecuzione; gli strumenti remoti possono trasmettere dati separatamente.
Prodotto
Funzioni del software · Regressione isotonica non pesata
01
Esamina ogni blocco aggregato accanto alle osservazioni per spiegare i tratti piatti con il vincolo dei minimi quadrati.
Progetto
Seleziona una cartella e chiedi all’assistente di leggere i file interessati prima di modificarli. Definisci obiettivo e limiti dell’attività.
Modifiche
Controlla le modifiche e l’output dei comandi. Esegui le verifiche del progetto prima di accettare il risultato: il codice generato non è automaticamente collaudato.
Regressione isotonica non pesata
● ● ●OrderSaffron●
Flussi di lavoro · Regressione isotonica non pesata ×
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)]✳Adatta una sequenza non decrescente a massimo 128 osservazioni finite entro ±10^6 mediante minimi quadrati non pesati.
✓ ModificheControlla prima di applicare ↗
Illustrazione dell’ambiente