bot_dev1
aeee8ef468
新增 templates/ti-cl4/quality-forecast/model.py： - RidgeRegression：纯标准库最小二乘+L2正则闭式解（高斯消元，不依赖numpy） - QualityModel：聚合特征+目标+岭回归，fit/predict/evaluate(R²/MAE/RMSE)/explain - explain()：尺度归一化重要性（|权重|×std），跨特征可比较，供#73可解释 - TrainingSet.from_records：自动跳过含 NaN 的行 - ModelRecipe 超参包：target/alpha/feature_names 外置 YAML/JSON - 序列化 to_dict/from_dict 往返一致 - 17 用例（累计 39 用例）全通过；纯标准库零运行时依赖。
Ti-1 氯化车间质量预测（quality-forecast）
父 Issue：#10「[Template-Ti 一期] ① 质量预测 + ③ 炉层杂质预警」 子任务：#68 特征工程 / #69 模型训练与评估 / #73 模型部署到内核并接入驾驶舱
基于 templates/ti-cl4/point-dict/point_dict.default.csv 默认点位集（CLF-01 沸腾氯化炉 /
RF-01 精制还原 / E-01 能源 / ST-01 蒸汽 / CW-01 循环水），交付「DCS 点表 → 可训练特征
矩阵 → 质量预测 → 部署接入」全链路，对齐 PRD §5.3 ①「质量预测」。
设计要点
- 模板化：特征清单（
config/features.template.yaml）外置，换行业/换模板只改特征 清单 + 点位字典，特征工程代码零改动（PRD §5.3「换行业只改 Recipe」）。 - 纯标准库零运行时依赖：CSV/YAML 子集/统计全部自实现（不依赖 numpy/pandas/pyyaml），
便于离线/隔离网部署，与
recipe-optim/impurity-forecast内核模块一致。 - 可解释前置：每个
FeatureSpec带meaning（工艺含义），供 #69 模型可解释性引用。
模块
| 文件 | 说明 | Issue |
|---|---|---|
features.py |
点位字典 PointDict + 特征规格 FeatureSpec + 抽取器 FeatureExtractor |
#68 |
model.py |
质量预测模型训练与评估（岭回归 + R²） | #69 |
serve.py |
模型部署到内核并接入驾驶舱（预测服务） | #73 |
config/features.template.yaml |
默认特征清单（7 个特征，对齐默认点位集） | #68 |
算子
raw / mean / std / min / max / range / diff / slope / ratio（ratio 需 denominator）。
缺失点位统一用 NaN 占位，便于上层判空屏蔽（FeatureMatrix.drop_nan_rows()）。
运行
# 单测（嵌入式 Python 3.12 即可，无第三方依赖）
python -m unittest discover -s templates/ti-cl4/quality-forecast/tests -p "test_*.py" -v