عقود النشر وقابلية إعادة الإنتاج

import numpy as np
feature_names = ["bookings", "days"]
mean = np.array([1.0, 2.0])
scale = np.array([2.0, 1.0])
coef = np.array([1.0, 2.0])
def predict(values, names):
    if list(names) != feature_names:
        raise ValueError("Feature order mismatch")
    X = np.asarray(values, dtype=float)
    if X.ndim != 2 or X.shape[1] != 2 or not np.isfinite(X).all():
        raise ValueError("Invalid feature matrix")
    return 0.5 + ((X - mean) / scale) @ coef
print(predict([[3.0, 5.0], [4.0, 6.0]], feature_names).tolist())
try:
    predict([[3.0, 5.0]], ["days", "bookings"])
except ValueError as error:
    print(error)

[7.5, 10.0]
Feature order mismatch

تعطي الحسابات تنبؤين وتُرفض الدلالة المعكوسة رغم صلاحية الشكل.

import hashlib
import json
manifest = {"model_version": "synthetic-linear-v1", "feature_names": ["bookings", "days"], "training_data_id": "lab-v1", "numpy_version": "1.26.4"}
text = json.dumps(manifest, sort_keys=True, separators=(",", ":"))
digest = hashlib.sha256(text.encode("utf-8")).hexdigest()
loaded = json.loads(text)
print(loaded["feature_names"])
print(len(digest), hashlib.sha256(text.encode("utf-8")).hexdigest() == digest)

['bookings', 'days']
64 True

يعود البيان محليا وتعيد البايتات البصمة دون تحميل مصدر غير موثوق.