#data-science

Lineare Regression nach der Methode der kleinsten Quadrate als API, lokal und deterministisch berechnet. Der lineare Endpunkt passt die beste Gerade y = a + b·x durch eine Menge von x/y-Datenpunkten mittels gewöhnlicher kleinster Quadrate an und gibt die Steigung b = Σ((x−x̄)(y−ȳ))/Σ(x−x̄)², den Achsenabschnitt a = ȳ − b·x̄, die gebrauchsfertige Gleichung, den Pearson-Korrelationskoeffizienten r und das Bestimmtheitsmaß R² (den Anteil der Varianz, den die Linie erklärt) sowie die Residuen- und Steigungsstandardfehler zurück — die Punkte (1,2),(2,4),(3,5),(4,4),(5,5) werden an y = 2.2 + 0.6·x mit R² = 0.6 angepasst, und ein perfekt linearer Satz ergibt R² = 1. Übergeben Sie ein predict_x, und es extrapoliert auch den angepassten Wert an diesem Punkt. Der predict-Endpunkt wertet y = intercept + slope·x für eine bekannte Linie aus. Die x- und y-Listen können als kommagetrennte Werte (x=1,2,3&y=2,4,5) oder als JSON-Arrays in einem POST-Body übergeben werden und müssen gleich lang sein. Alles wird lokal und deterministisch berechnet, daher ist es sofort und privat. Ideal für App-Entwickler in den Bereichen Datenwissenschaft, Analytik, Business Intelligence, Prognose, maschinelles Lernen (Vorverarbeitung) und Statistikausbildung sowie für Trendlinien- und Best-Fit-Tools und Dashboards. Reine lokale Berechnung — kein Schlüssel, kein Drittanbieterdienst, sofort. Live, nichts wird gespeichert. 2 Endpunkte. Dies ist die Regressionslinie; für die alleinige Pearson-Korrelation oder deskriptive Statistiken verwenden Sie eine Statistik-API und für Wahrscheinlichkeitsverteilungen eine Wahrscheinlichkeits-API.

api.oanor.com/regression-api

Klassifikator-Bewertungsmathematik als API, lokal und deterministisch berechnet. Der Confusion-Endpunkt wandelt die vier Zellen einer binären Konfusionsmatrix – wahre und falsche Positive und Negative – in die vollständige Metrik-Suite um: Genauigkeit, Präzision, Recall (Sensitivität), Spezifität, den F1-Score, den Matthews-Korrelationskoeffizienten (robust gegenüber Klassenungleichgewicht), balancierte Genauigkeit, negativen Vorhersagewert, die Falsch-Positiv- und Falsch-Negativ-Raten sowie die Prävalenz. Der Diagnostic-Endpunkt wendet das Bayes-Theorem auf einen medizinischen oder Screening-Test an: Aus seiner Sensitivität, Spezifität und der Prävalenz (Wahrscheinlichkeit vor dem Test) liefert er die positiven und negativen Vorhersagewerte, die positiven und negativen Likelihood-Quotienten und die diagnostische Odds-Ratio. Der Fbeta-Endpunkt berechnet den Fβ-Score aus Präzision und Recall (oder aus den Rohzahlen) für jedes β – β = 1 ist F1, größeres β gewichtet Recall, kleineres β gewichtet Präzision. Metriken, deren Nenner Null ist, werden als null zurückgegeben, anstatt einen Fehler zu verursachen. Alles wird lokal und deterministisch berechnet, daher ist es sofort und privat. Ideal für Entwickler von Machine-Learning-, Data-Science-, medizinischen Test- und Analyse-Apps, Modellbewertungs- und Screening-Tools sowie für die Statistikausbildung. Reine lokale Berechnung – kein Schlüssel, kein Drittanbieter-Dienst, sofort. Live, nichts wird gespeichert. 3 Endpunkte. Dies ist die Klassifikator-Bewertung; für deskriptive Statistiken und Regression verwenden Sie eine Statistik-API und für Hypothesentests eine Inferenz-API.

api.oanor.com/classifier-api

Das R-Paket-Ökosystem — CRAN, das Comprehensive R Archive Network — als API. Rufen Sie jedes R-Paket mit Titel, Beschreibung, Version, Lizenz, Maintainer und Autor, Homepage- und Bug-Tracker-Links sowie dem vollständigen Abhängigkeitsbaum (depends, imports, suggests, linkingTo) ab; lesen Sie die vollständige Veröffentlichungshistorie eines Pakets mit Veröffentlichungsdaten; durchsuchen Sie das gesamte CRAN-Register nach Stichwörtern; und erhalten Sie Download-Statistiken (letzter Tag, Woche oder Monat, mit optionaler täglicher Serie) direkt aus den offiziellen CRAN-Download-Logs. Deckt die ~22.000 Pakete auf CRAN ab, von ggplot2, dplyr und data.table bis jsonlite, shiny und dem breiteren tidyverse. Live von den offiziellen R-Community-Diensten (crandb, search.r-pkg.org, cranlogs). Ideal für Paket-Dashboards, Abhängigkeits- und Lieferketten-Tools, Data-Science-Entwicklerportale und R-Ökosystem-Analysen. Offene Daten von CRAN.

api.oanor.com/cran-api