모델
기본 URL과 필요한 API 키로 OpenAI 호환 또는 Anthropic 엔드포인트를 설정하고 연결을 테스트하세요. 로컬 모델 서버는 실행 중이어야 합니다. 원격 도구는 데이터를 별도로 전송할 수 있습니다.
제품
프로그램 기능 · 보정하지 않은 중앙값 절대 편차
01
median_deviation.py의 강건하고 보정하지 않은 산포 추정을 분산 및 정규분포 보정과 구별하세요.
프로젝트
폴더를 선택하고 편집하기 전에 관련 파일을 읽도록 요청하세요. 작업의 목표와 변경 범위를 명확히 정합니다.
변경 사항
변경 사항과 명령 출력을 검토하세요. 결과를 채택하기 전에 프로젝트 검사를 실행해야 합니다. 생성된 코드는 자동으로 테스트된 코드가 아닙니다.
보정하지 않은 중앙값 절대 편차
● ● ●MedianRove●
작업 흐름 · 보정하지 않은 중앙값 절대 편차 ×
import math
def median_deviation(values):
if type(values) is not list or not 1 <= len(values) <= 4096:
raise ValueError("mad.input")
if any(type(x) not in (int, float) or not -10**100 <= x <= 10**100 or not math.isfinite(x) for x in values):
raise ValueError("mad.value")
def median(items):
ordered = sorted(items)
n = len(ordered)
return float(ordered[n//2]) if n % 2 else ordered[n//2-1]/2+ordered[n//2]/2
center = median(values)
return center, median([abs(x-center) for x in values])
✳보정하지 않은 중앙값 절대 편차
✓ 변경 사항적용하기 전에 검토하세요 ↗
작업 공간 예시 화면