بیش‌برازش را با تنظیم و اعتبارسنجی کاهش بده
Weekly Challenge · Deep Learning
صورت مسئله
پنجره نامعتبر را رد کن و برای سری کوتاه‌تر از پنجره هم رفتار روشن داشته باش.
آزمون‌های پذیرش
- سری کوتاه
- پنجره بزرگ‌تر از طول
- مقادیر اعشاری
این‌ها معیارهای پیشنهادی ارزیابی‌اند؛ ذخیره پاسخ به معنای قبولی در آزمون خودکار نیست.
نمونه راه‌حل
import numpy as np
def moving_average(values, window):
if window < 1 or window > len(values):
raise ValueError("window must fit inside the series")
series = np.asarray(values, dtype=float)
return np.convolve(series, np.ones(window) / window, mode="valid")
print(moving_average([1, 2, 3, 4, 5], 3))خروجی
هنوز کدی اجرا نشده است.
کد شما با مفسر واقعی Python (Pyodide) در مرورگر اجرا می‌شود و فایل‌های پروژه بین اجراها و بین ادیتور و ترمینال مشترک‌اند. بسته‌های سازگار با Pyodide هنگام اجرا بارگیری می‌شوند؛ دسترسی به فایل واقعی دستگاه، شبکه و پوسته سیستم‌عامل وجود ندارد.
راهنمای تمرین
- فایل‌های داده را با نام نسبی مثل
data.csvبخوان. - برای بسته‌ها از
pip install numpyدر ترمینال استفاده کن. - حالت‌های مرزی و خطاها را در فایل جداگانه آزمون کن.