#data-science

Lineaire kleinste-kwadratenregressie als een API, lokaal en deterministisch berekend. Het lineaire eindpunt past de beste rechte lijn y = a + b·x door een set x/y-gegevenspunten via gewone kleinste kwadraten, en retourneert de helling b = Σ((x−x̄)(y−ȳ))/Σ(x−x̄)², het intercept a = ȳ − b·x̄, de gebruiksklare vergelijking, de Pearson-correlatie r en de determinatiecoëfficiënt R² (de fractie van variantie die de lijn verklaart), en de standaardfouten van residu en helling — de punten (1,2),(2,4),(3,5),(4,4),(5,5) passen op y = 2.2 + 0.6·x met R² = 0.6, en een perfect lineaire set retourneert R² = 1. Geef een predict_x door en het extrapoleert ook de geschatte waarde op dat punt. Het predict-eindpunt evalueert y = intercept + helling·x voor een bekende lijn. De x- en y-lijsten kunnen worden gegeven als komma-gescheiden waarden (x=1,2,3&y=2,4,5) of als JSON-arrays in een POST-body en moeten gelijke lengte hebben. Alles wordt lokaal en deterministisch berekend, dus het is direct en privé. Ideaal voor app-ontwikkelaars op het gebied van datawetenschap, analyse, BI, forecasting, machine-learning-preprocessing en statistiekonderwijs, trendlijn- en best-fit-tools en dashboards. Pure lokale berekening — geen sleutel, geen externe service, direct. Live, niets opgeslagen. 2 eindpunten. Dit is de regressielijn; voor alleen de Pearson-correlatie of beschrijvende statistiek gebruik je een statistiek-API en voor kansverdelingen een kans-API.

api.oanor.com/regression-api

Classifier-evaluatie wiskunde als een API, lokaal en deterministisch berekend. Het confusion-eindpunt zet de vier cellen van een binaire verwarringsmatrix — true en false positieven en negatieven — om in de volledige metrische suite: nauwkeurigheid, precisie, recall (sensitiviteit), specificiteit, de F1-score, de Matthews correlatiecoëfficiënt (robuust tegen klasse-onbalans), gebalanceerde nauwkeurigheid, negatief voorspellende waarde, de fout-positieve en fout-negatieve percentages en de prevalentie. Het diagnostische eindpunt past de stelling van Bayes toe op een medische of screeningstest: vanuit de sensitiviteit, specificiteit en prevalentie (pre-test waarschijnlijkheid) geeft het de positief en negatief voorspellende waarden, de positieve en negatieve waarschijnlijkheidsratio's en de diagnostische odds ratio. Het fbeta-eindpunt berekent de Fβ-score uit precisie en recall (of uit de ruwe aantallen) voor elke β — β = 1 is F1, grotere β weegt recall zwaarder, kleinere β weegt precisie zwaarder. Metrieken waarvan de noemer nul is, worden geretourneerd als null in plaats van een fout. Alles wordt lokaal en deterministisch berekend, dus het is onmiddellijk en privé. Ideaal voor machine-learning, data science, medische test- en analyse-app-ontwikkelaars, modelevaluatie en screeningtools, en statistiekonderwijs. Pure lokale berekening — geen sleutel, geen externe service, onmiddellijk. Live, niets opgeslagen. 3 eindpunten. Dit is classificatorevaluatie; voor beschrijvende statistiek en regressie gebruik je een statistiek-API en voor hypothesetests een inferentie-API.

api.oanor.com/classifier-api

Het R-pakketecosysteem — CRAN, het Comprehensive R Archive Network — als een API. Zoek elk R-pakket op voor zijn titel, beschrijving, versie, licentie, onderhouder en auteur, homepage en bug-tracker links, en zijn volledige afhankelijkheidsboom (depends, imports, suggests, linkingTo); lees de volledige releasegeschiedenis van een pakket met publicatiedata; doorzoek het volledige CRAN-register op trefwoord; en verkrijg downloadstatistieken (laatste dag, week of maand, met een optionele dagelijkse reeks) rechtstreeks uit de officiële CRAN-downloadlogs. Omvat de ~22.000 pakketten op CRAN, van ggplot2, dplyr en data.table tot jsonlite, shiny en de bredere tidyverse. Live van de officiële R-communitydiensten (crandb, search.r-pkg.org, cranlogs). Ideaal voor pakketdashboards, afhankelijkheids- en supply-chain-tooling, datawetenschapsontwikkelaarsportalen en R-ecosysteemanalyses. Open data van CRAN.

api.oanor.com/cran-api