#moon-robust-stats

#项目定位

• 纯 MoonBit 实现，保持跨原生、WebAssembly 和 JavaScript 目标的一致性。
• 小型、可组合的 API，便于从单个估计量逐步组装完整分析流程。
• 确定性随机数与可复现实验，便于回归测试和性能比较。
• 对空输入、常数序列、极端值、窗口不足和退化矩阵等边界情况提供明确行为。

#核心能力

#鲁棒统计

• 中位数、分位数、MAD、IQR、截尾均值和稳健尺度估计。
• Huber、Tukey、S 推断等稳健估计与损失函数。
• Hampel 过滤、IQR 规则、MAD 规则和多策略异常检测。
• 缺失值处理、标准化、Winsor 化和数据质量摘要。

#流式与时间序列

• 在线均值、方差、协方差和分位数摘要。
• 固定窗口、滚动统计、趋势/波动信号和窗口化异常检测。
• 支持逐点观测，适用于传感器、日志和监控数据流。

#建模与诊断

• 稳健线性回归、加权回归和回归诊断。
• 相关系数、协方差矩阵、矩阵运算和基础线性代数。
• 聚类、重采样区间、风险指标、阈值评估和可解释诊断。

#安装

moon add hxiuzheng/robust_stats@0.2.0

import {
  "hxiuzheng/robust_stats",
}

#快速开始

import {
  "hxiuzheng/robust_stats",
}

fn main {
  let readings = [1.0, 2.0, 3.0, 4.0, 100.0]
  let center = @robust_stats.median(readings)
  let scale = @robust_stats.mad(readings)
  let filtered = @robust_stats.hampel_filter(readings, 3)

  println("center=" + center.to_string())
  println("mad=" + scale.to_string())
  println("filtered=" + filtered.to_string())
}

let detector = @robust_stats.WindowedAnomalyDetector::new(31, threshold=3.5)
for value in readings {
  if detector.observe(value) {
    println("anomaly=" + value.to_string())
  }
}

#CLI

moon run cmd/benchmark

#架构

#基准

• 批量位置与尺度估计。
• Hampel/IQR/MAD 异常检测。
• 滚动统计与窗口化检测。
• 流式摘要与稳健回归。
• 协方差、风险指标和重采样区间。

#测试

moon check --deny-warn
moon build --target all --deny-warn
moon test --target native --deny-warn
moon test --target wasm --deny-warn
moon test --target wasm-gc --deny-warn

moon test --target all --deny-warn

#CI

• 安装并缓存 stable MoonBit 工具链。
• 运行依赖更新、格式检查、包信息检查和警告拒绝检查。
• 构建并测试 native、wasm、wasm-gc 和 all 目标。
• 运行可复现基准，帮助识别性能回归。

#许可证