परिमित मार्कोव वितरण के चरण
अधिकतम आठ अवस्थाओं की मार्कोव मैट्रिक्स में प्रायिकता वेक्टर को 100 संक्रमण तक बढ़ाएँ।
from math import fsum, isfinite
def markov_steps(initial, matrix, steps):
if type(initial) is not list or not 1 <= len(initial) <= 8:
raise ValueError("state count")
n = len(initial)
if type(matrix) is not list or len(matrix) != n or any(
type(row) is not list or len(row) != n for row in matrix):
raise ValueError("square matrix")
rows = [initial] + matrix
if any(type(x) not in (int, float) or not 0 <= x <= 1 or
not isfinite(x) for row in rows for x in row):
raise ValueError("probability values")
if any(abs(fsum(row)-1) > 1e-12 for row in rows):
raise ValueError("row sums")
if type(steps) is not int or not 0 <= steps <= 100:
raise ValueError("step count")
result = initial[:]
for _ in range(steps):
result = [fsum(result[i] * matrix[i][j] for i in range(n))
for j in range(n)]
return result| लागू करने से पहले समीक्षा करें | वास्तविक व्यवहार की अपेक्षित परिणाम से तुलना करें। जाँच असफल हो तो अगले बदलाव से पहले कारण समझें। |
|---|---|
| मॉडल | बेस URL और आवश्यक होने पर API कुंजी से OpenAI-संगत या Anthropic endpoint सेट करें। कनेक्शन जाँचें। स्थानीय मॉडल सर्वर चालू होना चाहिए; दूरस्थ उपकरण अलग से डेटा भेज सकते हैं। |
| प्रोजेक्ट | शून्य चरण और अवशोषक अवस्थाएँ जाँचें तथा ऋणात्मक मान और एक से 1e-12 से अधिक अलग पंक्ति योग अस्वीकार करें। |
from math import fsum, isfinite
def markov_steps(initial, matrix, steps):
if type(initial) is not list or not 1 <= len(initial) <= 8:
raise ValueError("state count")
n = len(initial)
if type(matrix) is not list or len(matrix) != n or any(
type(row) is not list or len(row) != n for row in matrix):
raise ValueError("square matrix")
rows = [initial] + matrix
if any(type(x) not in (int, float) or not 0 <= x <= 1 or
not isfinite(x) for row in rows for x in row):
raise ValueError("probability values")
if any(abs(fsum(row)-1) > 1e-12 for row in rows):
raise ValueError("row sums")
if type(steps) is not int or not 0 <= steps <= 100:
raise ValueError("step count")
result = initial[:]
for _ in range(steps):
result = [fsum(result[i] * matrix[i][j] for i in range(n))
for j in range(n)]
return resultकोड बदलाव में प्रायिकता परंपराएँ स्पष्ट रखें
StepMaranta प्रायिकता मॉडलिंग कार्य को परियोजना संदर्भ और जुड़े मॉडल की बातचीत वाला Windows एआई कोडिंग कार्यक्षेत्र देता है। अवस्थाओं और संक्रमणों के लिए अनुप्रयोग की परंपरा से शुरू करें, फिर प्रक्रिया और उसके उपभोक्ता को पहचानें। संपादन से पहले व्याख्या माँगने से अर्थ समझने के अंतर को गणना की गलती से अलग करने में मदद मिलती है।
सीमित मार्कोव संक्रमण कार्य शुरुआती वितरण, पंक्ति आधारित संक्रमण मैट्रिक्स और सीमाबद्ध चरण संख्या बता सकता है। अनुरोध में स्वीकृत प्रायिकता सीमा और पंक्ति योग की सहनशीलता दें। केवल संख्याएँ उचित दिखने पर आउटपुट स्वीकार करने के बजाय पूछें कि प्रस्तावित कोड शून्य चरणों और अवशोषक अवस्था में अनुबंध कैसे सुरक्षित रखता है।
अपने परियोजना परीक्षणों में स्पष्ट अपेक्षित वितरणों के साथ बदलाव जाँचें। गलत आयाम और ऋणात्मक मान वैध संक्रमण व्यवहार से अलग परखें। परिवर्तनशीलता जाँचते समय आउटपुट के साथ मूल इनपुट रखें। यह तरीका संख्यात्मक प्रस्ताव को दिखने वाली अनुप्रयोग आवश्यकताओं से जोड़ता है, कार्यक्षेत्र को सांख्यिकीय सत्यापन सेवा के रूप में प्रस्तुत किए बिना।
StepMaranta OpenAI-संगत या Anthropic एंडपॉइंट कनेक्शन और जरूरत पर प्रवेश प्रमाण का समर्थन करता है। एंडपॉइंट उपलब्ध कराए तो अप्रतिबंधित एआई मॉडल चुन सकते हैं। पाबंदियाँ, उपलब्ध टूल और संदर्भ सीमाएँ उस मॉडल तथा सर्वर पर निर्भर हैं। प्रस्तावित कोड स्वीकार करने में आपकी संक्रमण परंपरा की परिभाषा और सत्यापन परिणाम केंद्रीय रहते हैं।
संक्रमण मॉडल पैच के प्रश्न
- मैट्रिक्स की कौन सी परंपरा बताऊँ?
बताएँ कि क्या हर पंक्ति किसी अवस्था से संक्रमण दर्शाती है और शुरुआती वितरण कैसे दर्शाया जाता है। छोटा अपेक्षित परिणाम दें। इससे मॉडल कार्यान्वयन जाँच सकता है, बिना चुपचाप ऐसी ट्रांसपोज़ परंपरा अपनाए जिसे कॉलर उपयोग नहीं करते।
- शून्य चरण स्पष्ट रूप से क्यों जाँचें?
इससे अपरिवर्तित शुरुआती वितरण दिखने योग्य आवश्यकता बनता है और अनचाहा इनपुट बदलाव सामने आ सकता है। बताएँ कि अलग परिणाम ऑब्जेक्ट चाहिए या नहीं, फिर प्रस्तावित कार्यान्वयन स्वीकार करने से पहले परियोजना की अपनी जाँच से लौटाए मान और मूल इनपुट परखें।
- अनुरोध में पंक्ति योग सहनशीलता कैसे दें?
अनुप्रयोग की आवश्यक सहनशीलता दें और बताएँ कि उससे बाहर क्या होता है। सत्यापन को संक्रमण गणना से अलग जाँचें। मॉडल विकल्पों पर चर्चा कर सकता है, लेकिन असंबंधित बदलाव लागू करते समय चुपचाप अलग स्वीकृति सीमा नहीं चुननी चाहिए।
- क्या सफल अवशोषक अवस्था उदाहरण पूरा मॉडल सत्यापित करता है?
नहीं। वह कोड का एक उपयोगी व्यवहार जाँचता है। अन्य संबंधित मामले लें और परखें कि मॉडल की मान्यताएँ अनुप्रयोग के अनुकूल हैं या नहीं। कार्यक्षेत्र स्रोत समीक्षा में मदद करता है; वह दी गई प्रायिकताओं की वैज्ञानिक वैधता स्थापित नहीं करता।
StepMaranta · अद्यतन 2026-10-25