Model
Atur endpoint kompatibel OpenAI atau Anthropic dengan URL dasar dan kunci API jika diperlukan. Uji koneksi. Server model lokal harus berjalan; alat jarak jauh dapat mengirim data secara terpisah.
Kelompokkan maksimal 4096 nilai berhingga memakai dua sampai 257 tepi naik ketat dalam ±10^100.
import bisect, math
def histogram(edges, values):
if type(edges) is not list or type(values) is not list or not 2 <= len(edges) <= 257 or len(values) > 4096:
raise ValueError("bins.shape")
if any(type(x) not in (int, float) or not -10**100 <= x <= 10**100 or not math.isfinite(x) for x in edges+values):
raise ValueError("bins.value")
if any(a >= b for a, b in zip(edges, edges[1:])):
raise ValueError("bins.edges")
counts, under, over = [0]*(len(edges)-1), 0, 0
for value in values:
if value < edges[0]:
under += 1
elif value > edges[-1]:
over += 1
else:
counts[min(bisect.bisect_right(edges, value)-1, len(counts)-1)] += 1
return counts, under, over
Atur endpoint kompatibel OpenAI atau Anthropic dengan URL dasar dan kunci API jika diperlukan. Uji koneksi. Server model lokal harus berjalan; alat jarak jauh dapat mengirim data secara terpisah.
Uji kesamaan tepi, data kosong dan pencilan, sertakan tepi akhir dan hitung nilai di luar rentang tanpa mengubah daftar.
Bandingkan perilaku sebenarnya dengan hasil yang diharapkan. Jika pemeriksaan gagal, cari penyebabnya sebelum membuat perubahan lain.
import bisect, math
def histogram(edges, values):
if type(edges) is not list or type(values) is not list or not 2 <= len(edges) <= 257 or len(values) > 4096:
raise ValueError("bins.shape")
if any(type(x) not in (int, float) or not -10**100 <= x <= 10**100 or not math.isfinite(x) for x in edges+values):
raise ValueError("bins.value")
if any(a >= b for a, b in zip(edges, edges[1:])):
raise ValueError("bins.edges")
counts, under, over = [0]*(len(edges)-1), 0, 0
for value in values:
if value < edges[0]:
under += 1
elif value > edges[-1]:
over += 1
else:
counts[min(bisect.bisect_right(edges, value)-1, len(counts)-1)] += 1
return counts, under, over
Histogram dapat tampak meyakinkan sambil memasukkan pengamatan pada batas ke kelompok yang salah. BinOriole memberi kode pemrosesan data ruang kerja pemrograman AI Windows tempat pilihan itu dapat diperiksa sebelum hasil ditafsirkan. Buka folder proyek dan bahas definisi interval bersama fungsi yang menghitung pengamatan.
Misalnya, minta model yang terhubung meninjau pengelompokan nilai yang tepat sama dengan batas. Berikan daftar kecil berisi nilai pada batas internal, batas terakhir, dan pengamatan di luar rentang. Nyatakan hitungan yang diharapkan serta cara melaporkan nilai di bawah dan di atas rentang agar usulan perubahan menjawab kontrak konkret.
Telusuri keluaran itu ke bagan atau laporan yang menggunakannya. Pemanggil yang mengabaikan hitungan di luar rentang dapat menyajikan total menyesatkan meskipun fungsi pengelompokan bekerja sesuai rancangan. Tinjau usulan perubahan sumber dan jalankan data uji yang mencocokkan setiap pengamatan dengan kategori yang dilaporkan. Sertakan penolakan masukan tidak berhingga dan urutan batas tidak valid dalam peninjauan batas.
BinOriole mendukung koneksi endpoint yang kompatibel dengan OpenAI atau Anthropic. Anda dapat memilih model AI tanpa sensor yang ditawarkan layanan terkonfigurasi, sementara perilaku sebenarnya, konteks, dan dukungan alat tetap bergantung pada pengaturan tersebut. Percakapan membantu menyiapkan tambalan; contoh yang diperiksa dan pengujian aplikasi Anda menentukan kesiapan hitungan untuk digunakan.
Sertakan nilai di bawah rentang, setiap batas yang relevan, nilai internal biasa, dan nilai di atas rentang. Tuliskan kelompok yang diharapkan secara eksplisit. Ini menyingkap keputusan titik ujung yang dapat tersamarkan oleh kumpulan data acak besar.
Batas terakhir mungkin disertakan meskipun interval internal menggunakan konvensi batas berbeda. Nyatakan aturan itu dalam permintaan dan uji langsung. Jika tidak, refaktor dapat tanpa sengaja memindahkan pengamatan maksimum ke kategori di atas rentang.
Cocokkan jumlah hitungan interval dan di luar rentang dengan jumlah masukan yang diterima. Lalu verifikasi penempatan tiap nilai pada data uji kecil. Total yang cocok saja dapat menyembunyikan pengamatan yang ditempatkan dalam kategori salah.
Hanya jika transformasi itu bagian dari kontrak aplikasi. Pengurutan dapat menyembunyikan masalah konfigurasi sebelumnya atau mengubah makna kategori. Tinjau jalur validasi yang ada dan cara pemanggil melaporkan kegagalan sebelum menerima usulan tersebut.
BinOriole · Diperbarui 2026-10-25