#metrics

De langetermijn on-chain economie van Bitcoin als tijdreeks, afkomstig van de openbare blockchain.com grafiekenfeed. Waar snapshot-API's de huidige ketenstatus rapporteren, is dit de geschiedenis: hoe de hashsnelheid, miningmoeilijkheid, inkomsten van miners, dagelijks aantal transacties, transactiekosten, marktprijs, marktkapitalisatie, circulerende voorraad, mempoolgrootte, gemiddelde blokgrootte, geschat on-chain transactievolume, dagelijks unieke adressen, UTXO-aantal en mediane bevestigingstijd zijn veranderd over maanden en jaren. Het metric-eindpunt retourneert de volledige dagelijkse tijdreeks van één metriek over een gekozen venster (30 dagen tot all-time) met samenvattende statistieken — eerste, laatste, verandering, procentuele verandering, minimum, maximum en gemiddelde. Het latest-eindpunt retourneert de huidige waarde van een metriek met de verandering ten opzichte van de vorige meting en ten opzichte van 30 dagen geleden. Het metrics-eindpunt geeft elke beschikbare metriek weer met de eenheid en categorie. Dit is de historische en grafische weergave van de netwerkeconomie van Bitcoin — anders dan de live mempool-snapshot, de multi-chain netwerkstatistieken en de prijsfeed-API's in de catalogus. Live, geen key op de upstream, niets opgeslagen.

api.oanor.com/bitcoinmetrics-api

Live Bitcoin on-chain economie en netwerkactiviteitsstatistieken, gebouwd op de open blockchain.com-dataset — de macro on-chain laag, geen ruwe adres- of mempool-opzoekingen: een live netwerksnapshot (24u transactietelling en USD-volume, hash rate, marktprijs en -kapitalisatie, totale geminede voorraad, inkomsten van miners), de historische tijdreeks van elke samengestelde on-chain metriek (actieve adressen, transactievolume, UTXO-setgrootte, mempoolgrootte, minerinkomsten, kosten en meer), de catalogus van beschikbare metrieken, en de uitgiftestatus van Bitcoin (totaal gemined, aandeel van de 21M-cap, huidige blokbeloning en geschatte volgende halvering).

api.oanor.com/bitcoinstats-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