حدود إعادة التدريب القابل للتكرار

def fit_constant(rows):
    assert rows and all("id" in row and "target" in row for row in rows)
    return {"kind":"constant", "value":sum(row["target"] for row in rows)/len(rows),
            "training_ids":[row["id"] for row in rows]}
rows = [{"id":"a", "target":2.0}, {"id":"b", "target":4.0}, {"id":"c", "target":6.0}]
first = fit_constant(rows)
second = fit_constant(rows)
print("constant", first["value"])
print("repeat equal", first == second)
print("training ids", first["training_ids"])

constant 4.0
repeat equal True
training ids ['a', 'b', 'c']

تحدد الصفوف المقدمة إجراء التدريب الحتمي الصغير بالكامل؛ ولا تعني قابليته للإعادة قابلية إعادة إطار أو عتاد بصورة عامة.

import hashlib, json
def identity(value):
    raw = json.dumps(value, sort_keys=True, separators=(",",":"), allow_nan=False).encode()
    return hashlib.sha256(raw).hexdigest()
a = {"code":"lab-r1", "dataset":[["a",2],["b",4]], "split":"split-v1"}
b = {"split":"split-v1", "dataset":[["a",2],["b",4]], "code":"lab-r1"}
c = {"code":"lab-r1", "dataset":[["a",2],["b",5]], "split":"split-v1"}
print("mapping order ignored", identity(a) == identity(b))
print("changed data detected", identity(a) != identity(c))

mapping order ignored True
changed data detected True

تعرف المعيارية صراحة لقيم JSON البسيطة هذه؛ وتحدد البصمة المدخلات المعلنة لا صحتها أو موثوقية مصدرها.