数据验证与模型比较的Python实现

41、数据验证。首先，定义一个简单的验证规则，例如“这些值必须是 3 或 5 的倍数”。这意味着它们必须能转换为整数值，并且该整数对 3 取模为 0 或者对 5 取模为 0。其次，编写一个验证函数，该函数返回一个 Right 或 Left 对象。将验证函数应用于一个值序列，并保存得到的 Either 对象序列。

说明了数据验证的步骤：

1. 定义验证规则，如值必须是 3 或 5 的倍数，即能转换为整数且该整数对 3 取模为 0 或者对 5 取模为 0；
2. 编写返回 Right 或 Left 对象的验证函数；
3. 将验证函数应用于值序列并保存得到的 Either 对象序列。

同时提到可使用 Either 对象的 .either() 方法处理 Left 或 Right 实例。

42、多个模型。每个模型根据样本中的观测值 $s_o$ 计算期望值 $e$：$e = 0.7412 × s_o$；$e = 0.9 × s_o - 90$；$e = 0.7724 × s_o^{1.0134}$。首先，将这些模型实现为柯里化函数。然后，使用通用的 PyMonad 组合或管道创建一个比较函数，用其中一个模型计算预测值，并将预测值与观测值进行比较。创建柯里化模型函数，以及用于比较模型预测结果与实际结果的组合或管道。

要实现这些需求，可按以下步骤操作：

1. 实现柯里化模型函数：
   - 对于 $e = 0.7412 × s_o$，可以使用 Python 的 pymonad.tools.curry 装饰器创建柯里化函数。
   - 对于 $e = 0.9 × s_o - 90$ 同理。
   - 对于 $e = 0.7724 × s_o^{1.0134}$ 也使用 curry 装饰器。