§
    	¼¸j¨U  ã            	       óê  — d Z ddlZddlZddlZddlmZ ddlmZm	Z	 ddl
mZmZ ddlmZmZ ddlmZ ddlmZ dd	lmZmZ dd
lmZmZ ddlmZmZ ddlmZ ddlm Z  ddl!m"Z"m#Z#m$Z$ ddl%m&Z&m'Z'm(Z(m)Z)m*Z* ej+         ,                    d¦  «        Z-ddgddgddgddgddgddggZ.g d¢Z/g d¢Z0ddgddgddggZ1g d¢Z2g d¢Z3 ej4        ¦   «         Z5e- 6                    e5j7        j8        ¦  «        Z9 ee5j:        e5j7        e-¬¦  «        \  e5_:        e5_7         ej;        ¦   «         Z< ee<j:        e<j7        e-¬¦  «        \  e<_:        e<_7        d„ Z=d„ Z>d„ Z?d„ Z@d„ ZAejB         C                    dg d ¢¦  «        d!„ ¦   «         ZDd"„ ZEd#„ ZFd$„ ZGd%„ ZHd&„ ZId'„ ZJd(„ ZKejB         C                    d) eLg e'¢e(¢e*¢e&¢e)¢e'd*e(z  z   ¦  «        ¦  «        d+„ ¦   «         ZMejB         C                    d) eLg e'¢e(¢e*¢e&¢e)¢e'd*e(z  z   ¦  «        ¦  «        d,„ ¦   «         ZNd-„ ZOd.„ ZPd/„ ZQd0„ ZRd1„ ZSejB         C                    d2 e¦   «         e5j:        e5j7        f e¦   «         e<j:        e<j7        fg¦  «        d3„ ¦   «         ZTd4„ ZUd5„ ZVd6„ ZWdS )7z6Testing for the boost module (sklearn.ensemble.boost).é    N)Údatasets)ÚBaseEstimatorÚclone)ÚDummyClassifierÚDummyRegressor)ÚAdaBoostClassifierÚAdaBoostRegressor)Ú_samme_proba)ÚLinearRegression)ÚGridSearchCVÚtrain_test_split)ÚSVCÚSVR)ÚDecisionTreeClassifierÚDecisionTreeRegressor)Úshuffle)ÚNoSampleWeightWrapper)Úassert_allcloseÚassert_array_almost_equalÚassert_array_equal)ÚCOO_CONTAINERSÚCSC_CONTAINERSÚCSR_CONTAINERSÚDOK_CONTAINERSÚLIL_CONTAINERSéþÿÿÿéÿÿÿÿé   é   )Úfoor    r    r   r   r   )r   r   r   r   r   r   é   )r    r   r   )r   r   r   ©Úrandom_statec                  óZ  ‡— t          j        g d¢g d¢g d¢g d¢g¦  «        Š‰t          j        ‰                     d¬¦  «        ¦  «        d d …t           j        f         z  Š G ˆfd„d¦  «        }  | ¦   «         }t          |d	t          j        ‰¦  «        ¦  «        }t          |j        ‰j        ¦  «         t          j	        |¦  «         
                    ¦   «         sJ ‚t          t          j        |d¬¦  «        g d
¢¦  «         t          t          j        |d¬¦  «        g d¢¦  «         d S )N)r   ç�íµ ÷Æ°>r   )gR¸…ëQÈ?g333333ã?çš™™™™™É?)iüÿÿgR¸…ëQà?g      à?)r%   r   g•Ö&è.>r   ©Úaxisc                   ó   •— e Zd Zˆ fd„ZdS )ú'test_samme_proba.<locals>.MockEstimatorc                 ó<   •— t          |j        ‰j        ¦  «         ‰S ©N)r   Úshape)ÚselfÚXÚprobss     €ú{/root/private/project/pallet_detection_v2/.venv/lib/python3.11/site-packages/sklearn/ensemble/tests/test_weight_boosting.pyÚpredict_probaz5test_samme_proba.<locals>.MockEstimator.predict_probaC   s   ø€ Ý˜qœw¨¬Ñ4Ô4Ð4ØˆLó    N)Ú__name__Ú
__module__Ú__qualname__r2   )r0   s   €r1   ÚMockEstimatorr*   B   s.   ø€ € € € € ð	ð 	ð 	ð 	ð 	ð 	ð 	r3   r7   r!   )r   r   r   r   )r   r   r   r   )ÚnpÚarrayÚabsÚsumÚnewaxisr
   Ú	ones_liker   r-   ÚisfiniteÚallÚargminÚargmax)r7   ÚmockÚsamme_probar0   s      @r1   Útest_samme_probarD   7   sJ  ø€ õ ŒHØ	ˆˆÐ'Ð'Ð'Ð):Ð):Ð):¸O¸O¸OÐLñô €Eð 
�RŒV�E—I’I 1�IÑ%Ô%Ñ&Ô& q q q­"¬* }Ô5Ñ5€Eðð ð ð ð ð ð ñ ô ð ð
 ˆ=‰?Œ?€Då˜t Q­¬°UÑ(;Ô(;Ñ<Ô<€Kå�{Ô(¨%¬+Ñ6Ô6Ð6ÝŒ;�{Ñ#Ô#×'Ò'Ñ)Ô)Ð)Ð)Ð)õ •r”y °1Ð5Ñ5Ô5°|°|°|ÑDÔDÐDÝ•r”y °1Ð5Ñ5Ô5°|°|°|ÑDÔDÐDÐDÐDr3   c                  ó<  — t          j        t          t          ¦  «        ¦  «        } t	          ¦   «                              t          | ¦  «        }t          |                     t          ¦  «        t          j        t          t          ¦  «        df¦  «        ¦  «         d S )Nr   )r8   ÚonesÚlenr/   r   Úfitr   r2   )Úy_tÚclfs     r1   Útest_oneclass_adaboost_probarK   T   sj   € õ Œ'•#•a‘&”&‰/Œ/€CÝ
Ñ
Ô
×
"Ò
"¥1 cÑ
*Ô
*€CÝ˜c×/Ò/µÑ2Ô2µB´G½SÅ¹V¼VÀQ¸KÑ4HÔ4HÑIÔIÐIÐIÐIr3   c                  ó  — t          d¬¦  «        } |                      t          t          ¦  «         t	          |                      t          ¦  «        t          ¦  «         t	          t          j	        t          j
        t          ¦  «        ¦  «        | j        ¦  «         |                      t          ¦  «        j        t          t          ¦  «        dfk    sJ ‚|                      t          ¦  «        j        t          t          ¦  «        fk    sJ ‚d S )Nr   r"   r   )r   rH   r/   Úy_classr   ÚpredictÚTÚ	y_t_classr8   ÚuniqueÚasarrayÚclasses_r2   r-   rG   Údecision_function©rJ   s    r1   Útest_classification_toyrV   ]   sÂ   € å
¨!Ð
,Ñ
,Ô
,€CØ‡G‚G�A�wÑÔÐÝ�s—{’{¥1‘~”~¥yÑ1Ô1Ð1Ý•r”y¥¤­IÑ!6Ô!6Ñ7Ô7¸¼ÑFÔFÐFØ×Ò�QÑÔÔ%­#­a©&¬&°!¨Ò4Ð4Ð4Ð4Ø× Ò ¥Ñ#Ô#Ô)­cµ!©f¬f¨YÒ6Ð6Ð6Ð6Ð6Ð6r3   c                  óÀ   — t          d¬¦  «        } |                      t          t          ¦  «         t	          |                      t          ¦  «        t          ¦  «         d S ©Nr   r"   )r	   rH   r/   Úy_regrr   rN   rO   Úy_t_regrrU   s    r1   Útest_regression_toyr[   g   sF   € å
¨Ð
+Ñ
+Ô
+€CØ‡G‚G�A�vÑÔÐÝ�s—{’{¥1‘~”~¥xÑ0Ô0Ð0Ð0Ð0r3   c                  ó  — t          j        t          j        ¦  «        } t	          ¦   «         }|                     t          j        t          j        ¦  «         t          | |j        ¦  «         | 	                    t          j        ¦  «        }|j
        d         t          | ¦  «        k    sJ ‚|                     t          j        ¦  «        j
        d         t          | ¦  «        k    sJ ‚|                     t          j        t          j        ¦  «        }|dk    sJ d|›�¦   «         ‚t          |j        ¦  «        dk    sJ ‚t          t          d„ |j        D ¦   «         ¦  «        ¦  «        t          |j        ¦  «        k    sJ ‚d S )Nr   gÍÌÌÌÌÌì?zFailed with score = c              3   ó$   K  — | ]}|j         V — Œd S r,   r"   ©Ú.0Úests     r1   ú	<genexpr>ztest_iris.<locals>.<genexpr>�   ó%   è è € Ð?Ð?¨�3Ô#Ð?Ð?Ð?Ð?Ð?Ð?r3   )r8   rQ   ÚirisÚtargetr   rH   Údatar   rS   r2   r-   rG   rT   ÚscoreÚestimators_Úset)ÚclassesrJ   Úprobarf   s       r1   Ú	test_irisrk   n   s;  € åŒi�œÑ$Ô$€Gå
Ñ
Ô
€CØ‡G‚G�DŒI•t”{Ñ#Ô#Ð#å�w ¤Ñ-Ô-Ð-Ø×Ò�dœiÑ(Ô(€EàŒ;�qŒ>�S ™\œ\Ò)Ð)Ð)Ð)Ø× Ò ¥¤Ñ+Ô+Ô1°!Ô4½¸G¹¼ÒDÐDÐDÐDà�IŠI•d”i¥¤Ñ-Ô-€EØ�3Š;ˆ;ˆ;Ð1 uÐ1Ð1‰;Œ;ˆ;õ ˆsŒÑÔ !Ò#Ð#Ð#Ð#å�sÐ?Ð?¨s¬Ð?Ñ?Ô?Ñ?Ô?Ñ@Ô@ÅCÈÌÑDXÔDXÒXÐXÐXÐXÐXÐXr3   Úloss)ÚlinearÚsquareÚexponentialc                 óš  — t          | d¬¦  «        }|                     t          j        t          j        ¦  «         |                     t          j        t          j        ¦  «        }|dk    sJ ‚t          |j        ¦  «        dk    sJ ‚t          t          d„ |j        D ¦   «         ¦  «        ¦  «        t          |j        ¦  «        k    sJ ‚d S )Nr   )rl   r#   gš™™™™™á?r   c              3   ó$   K  — | ]}|j         V — Œd S r,   r"   r^   s     r1   ra   z test_diabetes.<locals>.<genexpr>�   rb   r3   )	r	   rH   Údiabetesre   rd   rf   rG   rg   rh   )rl   Úregrf   s      r1   Útest_diabetesrt   „   s±   € õ  °AÐ
6Ñ
6Ô
6€CØ‡G‚G�HŒM�8œ?Ñ+Ô+Ð+Ø�IŠI•h”m¥X¤_Ñ5Ô5€EØ�4Š<ˆ<ˆ<ˆ<õ ˆsŒÑÔ !Ò#Ð#Ð#Ð#å�sÐ?Ð?¨s¬Ð?Ñ?Ô?Ñ?Ô?Ñ@Ô@ÅCÈÌÑDXÔDXÒXÐXÐXÐXÐXÐXr3   c                  ó´  — t           j                             d¦  «        } |                      dt          j        j        ¬¦  «        }|                      dt          j        j        ¬¦  «        }t          d¬¦  «        }| 	                    t          j
        t          j        |¬¦  «         |                     t          j
        ¦  «        }d„ |                     t          j
        ¦  «        D ¦   «         }|                     t          j
        ¦  «        }d„ |                     t          j
        ¦  «        D ¦   «         }|                     t          j
        t          j        |¬¦  «        }d„ |                     t          j
        t          j        |¬¦  «        D ¦   «         }	t#          |¦  «        dk    sJ ‚t%          ||d	         ¦  «         t#          |¦  «        dk    sJ ‚t%          ||d	         ¦  «         t#          |	¦  «        dk    sJ ‚t%          ||	d	         ¦  «         t'          dd¬
¦  «        }| 	                    t          j
        t          j        |¬¦  «         |                     t          j
        ¦  «        }d„ |                     t          j
        ¦  «        D ¦   «         }|                     t          j
        t          j        |¬¦  «        }d„ |                     t          j
        t          j        |¬¦  «        D ¦   «         }	t#          |¦  «        dk    sJ ‚t%          ||d	         ¦  «         t#          |	¦  «        dk    sJ ‚t%          ||	d	         ¦  «         d S )Nr   é
   ©Úsize©Ún_estimators©Úsample_weightc                 ó   — g | ]}|‘ŒS © r~   ©r_   Úps     r1   ú
<listcomp>z'test_staged_predict.<locals>.<listcomp>œ   s   € ÐCÐCÐC ˜!ÐCÐCÐCr3   c                 ó   — g | ]}|‘ŒS r~   r~   r   s     r1   r�   z'test_staged_predict.<locals>.<listcomp>ž   s   € ÐDÐDÐD˜1�QÐDÐDÐDr3   c                 ó   — g | ]}|‘ŒS r~   r~   ©r_   Úss     r1   r�   z'test_staged_predict.<locals>.<listcomp>    s%   € ð ð ð Øˆðð ð r3   r   ©rz   r#   c                 ó   — g | ]}|‘ŒS r~   r~   r   s     r1   r�   z'test_staged_predict.<locals>.<listcomp>°   s   € ÐGÐGÐG ˜!ÐGÐGÐGr3   c                 ó   — g | ]}|‘ŒS r~   r~   r„   s     r1   r�   z'test_staged_predict.<locals>.<listcomp>²   s(   € ð ð ð àð 	
ðð ð r3   )r8   ÚrandomÚRandomStateÚrandintrc   rd   r-   rr   r   rH   re   rN   Ústaged_predictr2   Ústaged_predict_probarf   Ústaged_scorerG   r   r	   )
ÚrngÚiris_weightsÚdiabetes_weightsrJ   ÚpredictionsÚstaged_predictionsrj   Ústaged_probasrf   Ústaged_scoress
             r1   Útest_staged_predictr–   ’   sð  € å
Œ)×
Ò
 Ñ
"Ô
"€CØ—;’;˜r­¬Ô(9�;Ñ:Ô:€LØ—{’{ 2­H¬OÔ,A�{ÑBÔBÐå
¨"Ð
-Ñ
-Ô
-€CØ‡G‚G�DŒI•t”{°,€GÑ?Ô?Ð?à—+’+�dœiÑ(Ô(€KØCÐC S×%7Ò%7½¼	Ñ%BÔ%BÐCÑCÔCÐØ×Ò�dœiÑ(Ô(€EØDÐD × 8Ò 8½¼Ñ CÔ CÐDÑDÔD€MØ�IŠI•d”i¥¤¸LˆIÑIÔI€Eðð Ø×#Ò#¥D¤I­t¬{È,Ð#ÑWÔWðñ ô €Mõ Ð!Ñ"Ô" bÒ(Ð(Ð(Ð(Ý˜kÐ+=¸bÔ+AÑBÔBÐBÝˆ}ÑÔ Ò#Ð#Ð#Ð#Ý˜e ]°2Ô%6Ñ7Ô7Ð7Ýˆ}ÑÔ Ò#Ð#Ð#Ð#Ý˜e ]°2Ô%6Ñ7Ô7Ð7õ ¨¸!Ð
<Ñ
<Ô
<€CØ‡G‚G�HŒM�8œ?Ð:J€GÑKÔKÐKà—+’+�hœmÑ,Ô,€KØGÐG S×%7Ò%7½¼Ñ%FÔ%FÐGÑGÔGÐØ�IŠI•h”m¥X¤_ÐDTˆIÑUÔU€Eðð à×!Ò!ÝŒM�8œ?Ð:Jð "ñ 
ô 
ðñ ô €Mõ Ð!Ñ"Ô" bÒ(Ð(Ð(Ð(Ý˜kÐ+=¸bÔ+AÑBÔBÐBÝˆ}ÑÔ Ò#Ð#Ð#Ð#Ý˜e ]°2Ô%6Ñ7Ô7Ð7Ð7Ð7r3   c                  ót  — t          t          ¦   «         ¬¦  «        } dddœ}t          | |¦  «        }|                     t          j        t          j        ¦  «         t          t          ¦   «         d¬¦  «        } dddœ}t          | |¦  «        }|                     t          j        t          j        ¦  «         d S )N©Ú	estimator)r   r   )rz   Úestimator__max_depthr   ©r™   r#   )
r   r   r   rH   rc   re   rd   r	   r   rr   )ÚboostÚ
parametersrJ   s      r1   Útest_gridsearchrž   ¿   s«   € õ Õ)?Ñ)AÔ)AÐBÑBÔB€EàØ &ðð €Jõ �u˜jÑ
)Ô
)€CØ‡G‚G�DŒI•t”{Ñ#Ô#Ð#õ Õ(=Ñ(?Ô(?ÈaÐPÑPÔP€EØ"(À&ÐIÐI€JÝ
�u˜jÑ
)Ô
)€CØ‡G‚G�HŒM�8œ?Ñ+Ô+Ð+Ð+Ð+r3   c                  ór  — dd l } t          ¦   «         }|                     t          j        t          j        ¦  «         |                     t          j        t          j        ¦  «        }|                      |¦  «        }|                      |¦  «        }t          |¦  «        |j
        k    sJ ‚|                     t          j        t          j        ¦  «        }||k    sJ ‚t          d¬¦  «        }|                     t          j        t          j        ¦  «         |                     t          j        t          j        ¦  «        }|                      |¦  «        }|                      |¦  «        }t          |¦  «        |j
        k    sJ ‚|                     t          j        t          j        ¦  «        }||k    sJ ‚d S rX   )Úpickler   rH   rc   re   rd   rf   ÚdumpsÚloadsÚtypeÚ	__class__r	   rr   )r    Úobjrf   r…   Úobj2Úscore2s         r1   Útest_pickler¨   Ñ   sF  € à€M€M€Mõ Ñ
Ô
€CØ‡G‚G�DŒI•t”{Ñ#Ô#Ð#Ø�IŠI•d”i¥¤Ñ-Ô-€EØ�Š�SÑÔ€Aà�<Š<˜‰?Œ?€DÝ�‰:Œ:˜œÒ&Ð&Ð&Ð&Ø�ZŠZ�œ	¥4¤;Ñ/Ô/€FØ�FŠ?ˆ?ˆ?ˆ?õ ¨Ð
+Ñ
+Ô
+€CØ‡G‚G�HŒM�8œ?Ñ+Ô+Ð+Ø�IŠI•h”m¥X¤_Ñ5Ô5€EØ�Š�SÑÔ€Aà�<Š<˜‰?Œ?€DÝ�‰:Œ:˜œÒ&Ð&Ð&Ð&Ø�ZŠZ�œ¥x¤Ñ7Ô7€FØ�FŠ?ˆ?ˆ?ˆ?ˆ?ˆ?r3   c            	      ó*  — t          j        ddddddd¬¦  «        \  } }t          ¦   «         }|                     | |¦  «         |j        }|j        d         dk    sJ ‚|d d…t          j        f         |dd …         k                         ¦   «         sJ ‚d S )NiÐ  rv   r!   r   Fr   )Ú	n_samplesÚ
n_featuresÚn_informativeÚn_redundantÚ
n_repeatedr   r#   )	r   Úmake_classificationr   rH   Úfeature_importances_r-   r8   r<   r?   )r/   ÚyrJ   Úimportancess       r1   Útest_importancesr³   ì   s«   € åÔ'ØØØØØØØðñ ô �D€A€qõ Ñ
Ô
€Cà‡G‚GˆAˆq�M„M€MØÔ*€KàÔ˜QÔ 2Ò%Ð%Ð%Ð%Ø˜˜˜�BœJ˜Ô'¨;°q°r°r¬?Ò:×?Ò?ÑAÔAÐAÐAÐAÐAÐAr3   c                  ó  — t          ¦   «         } t          j        d¦  «        }t          j        t
          |¬¦  «        5  |                      t          t          t          j
        dg¦  «        ¬¦  «         d d d ¦  «         d S # 1 swxY w Y   d S )Nz*sample_weight.shape == (1,), expected (6,)©Úmatchr   r{   )r   ÚreÚescapeÚpytestÚraisesÚ
ValueErrorrH   r/   rM   r8   rR   )rJ   Úmsgs     r1   Ú,test_adaboost_classifier_sample_weight_errorr½     sº   € å
Ñ
Ô
€CÝ
Œ)Ð@Ñ
AÔ
A€CÝ	Œ•z¨Ð	-Ñ	-Ô	-ð <ð <Ø�Š••7­"¬*°b°TÑ*:Ô*:ˆÑ;Ô;Ð;ð<ð <ð <ñ <ô <ð <ð <ð <ð <ð <ð <ð <øøøð <ð <ð <ð <ð <ð <s   ¾6BÂBÂBc                  óÜ  — ddl m}  t           | ¦   «         ¦  «        }|                     t          t
          ¦  «         t          t          ¦   «         ¦  «        }|                     t          t          ¦  «         ddl m} t           |¦   «         d¬¦  «        }|                     t          t
          ¦  «         t          t          ¦   «         d¬¦  «        }|                     t          t
          ¦  «         ddgddgddgddgg}g d¢}t          t          ¦   «         ¦  «        }t          j        t          d¬¦  «        5  |                     ||¦  «         d d d ¦  «         d S # 1 swxY w Y   d S )	Nr   )ÚRandomForestClassifier)ÚRandomForestRegressorr"   r   )r    Úbarr   r   zworse than randomrµ   )Úsklearn.ensembler¿   r   rH   r/   rY   r   rM   rÀ   r	   r   r¹   rº   r»   )r¿   rJ   rÀ   ÚX_failÚy_fails        r1   Útest_estimatorrÅ   	  sœ  € à7Ð7Ð7Ð7Ð7Ð7õ Ð3Ð3Ñ5Ô5Ñ
6Ô
6€CØ‡G‚G�A�vÑÔÐå
�S™UœUÑ
#Ô
#€CØ‡G‚G�A�wÑÔÐà6Ð6Ð6Ð6Ð6Ð6å
Ð1Ð1Ñ3Ô3À!Ð
DÑ
DÔ
D€CØ‡G‚G�A�vÑÔÐå
�C™EœE°Ð
2Ñ
2Ô
2€CØ‡G‚G�A�vÑÔÐð �!ˆf�q˜!�f˜q !˜f q¨! fÐ-€FØ!Ð!Ð!€FÝ
�S™UœUÑ
#Ô
#€CÝ	Œ•zÐ)<Ð	=Ñ	=Ô	=ð  ð  Ø�Š�˜ÑÔÐð ð  ð  ñ  ô  ð  ð  ð  ð  ð  ð  ð  øøøð  ð  ð  ð  ð  ð  s   Ä=E!Å!E%Å(E%c                  óè   — d} t          dd¬¦  «        }t          j        t          | ¬¦  «        5  |                     t
          j        t
          j        ¦  «         d d d ¦  «         d S # 1 swxY w Y   d S )Nz+Sample weights have reached infinite valuesé   g      7@)rz   Úlearning_raterµ   )r   r¹   ÚwarnsÚUserWarningrH   rc   re   rd   )r¼   rJ   s     r1   Útest_sample_weights_infiniterË   %  sª   € Ø
7€CÝ
¨"¸DÐ
AÑ
AÔ
A€CÝ	Œ•k¨Ð	-Ñ	-Ô	-ð (ð (Ø�Š•”	�4œ;Ñ'Ô'Ð'ð(ð (ð (ñ (ô (ð (ð (ð (ð (ð (ð (ð (øøøð (ð (ð (ð (ð (ð (s   ¯+A'Á'A+Á.A+z(sparse_container, expected_internal_typeé   c                 óÊ  ‡—  G d„ dt           ¦  «        }t          j        dddd¬¦  «        \  }}t          j        |¦  «        }t          ||d¬	¦  «        \  }}}} | |¦  «        }	 | |¦  «        }
t           |d
¬¦  «        d¬¦  «                             |	|¦  «        }t           |d
¬¦  «        d¬¦  «                             ||¦  «        }|                     |
¦  «        }|                     |¦  «        }t          ||¦  «         | 
                    |
¦  «        }| 
                    |¦  «        }t          ||¦  «         |                     |
¦  «        }|                     |¦  «        }t          ||¦  «         |                     |
¦  «        }|                     |¦  «        }t          ||¦  «         |                     |
|¦  «        }|                     ||¦  «        }t          ||¦  «         |                     |
¦  «        }|                     |¦  «        }t!          ||¦  «        D ]\  }}t          ||¦  «         Œ|                     |
¦  «        }|                     |¦  «        }t!          ||¦  «        D ]\  }}t          ||¦  «         Œ|                     |
¦  «        }|                     |¦  «        }t!          ||¦  «        D ]\  }}t          ||¦  «         Œ|                     |
|¦  «        }|                     ||¦  «        }t!          ||¦  «        D ]\  }}t          ||¦  «         Œd„ |j        D ¦   «         }t+          ˆfd„|D ¦   «         ¦  «        sJ ‚d S )Nc                   ó$   ‡ — e Zd ZdZdˆ fd„	Zˆ xZS )ú-test_sparse_classification.<locals>.CustomSVCz8SVC variant that records the nature of the training set.Nc                 óx   •— t          ¦   «                              |||¬¦  «         t          |¦  «        | _        | S ©z<Modification on fit caries data type for later verification.r{   ©ÚsuperrH   r£   Ú
data_type_©r.   r/   r±   r|   r¤   s       €r1   rH   z1test_sparse_classification.<locals>.CustomSVC.fit?  ó1   ø€ å‰GŒG�KŠK˜˜1¨MˆKÑ:Ô:Ð:Ý" 1™gœgˆDŒOØˆKr3   r,   ©r4   r5   r6   Ú__doc__rH   Ú__classcell__©r¤   s   @r1   Ú	CustomSVCrÏ   <  óC   ø€ € € € € ØFÐFð	ð 	ð 	ð 	ð 	ð 	ð 	ð 	ð 	ð 	r3   rÛ   r   é   é   é*   )Ú	n_classesrª   r«   r#   r   r"   T)Úprobabilityr›   c                 ó   — g | ]	}|j         ‘Œ
S r~   ©rÔ   ©r_   Úis     r1   r�   z.test_sparse_classification.<locals>.<listcomp>Ž  s   € ÐAÐAÐA˜aˆQŒ\ÐAÐAÐAr3   c                 ó   •— g | ]}|‰k    ‘Œ	S r~   r~   ©r_   ÚtÚexpected_internal_types     €r1   r�   z.test_sparse_classification.<locals>.<listcomp>�  ó   ø€ Ð;Ð;Ð;°�Ð+Ò+Ð;Ð;Ð;r3   )r   r   Úmake_multilabel_classificationr8   Úravelr   r   rH   rN   r   rT   r   Úpredict_log_probar2   rf   Ústaged_decision_functionÚziprŒ   r�   rŽ   rg   r?   )Úsparse_containerré   rÛ   r/   r±   ÚX_trainÚX_testÚy_trainÚy_testÚX_train_sparseÚX_test_sparseÚsparse_classifierÚdense_classifierÚsparse_clf_resultsÚdense_clf_resultsÚsparse_clf_resÚdense_clf_resÚtypess    `                r1   Útest_sparse_classificationrþ   ,  s  ø€ ð ð ð ð ð •Cñ ô ð õ Ô2Ø˜r¨a¸bðñ ô �D€A€qõ 	Œ�‰Œ€Aå'7¸¸1È1Ð'MÑ'MÔ'MÑ$€GˆV�W˜fà%Ð% gÑ.Ô.€NØ$Ð$ VÑ,Ô,€Mõ +Ø�)¨Ð-Ñ-Ô-Øðñ ô ÷ 
‚cˆ.˜'Ñ"Ô"ð õ *Ø�)¨Ð-Ñ-Ô-Øðñ ô ÷ 
‚cˆ'�7ÑÔð ð +×2Ò2°=ÑAÔAÐØ(×0Ò0°Ñ8Ô8ÐÝÐ)Ð+<Ñ=Ô=Ð=ð +×<Ò<¸]ÑKÔKÐØ(×:Ò:¸6ÑBÔBÐÝÐ0Ð2CÑDÔDÐDð +×<Ò<¸]ÑKÔKÐØ(×:Ò:¸6ÑBÔBÐÝÐ0Ð2CÑDÔDÐDð +×8Ò8¸ÑGÔGÐØ(×6Ò6°vÑ>Ô>ÐÝÐ0Ð2CÑDÔDÐDð +×0Ò0°ÀÑGÔGÐØ(×.Ò.¨v°vÑ>Ô>ÐÝÐ0Ð2CÑDÔDÐDð +×CÒCÀMÑRÔRÐØ(×AÒAÀ&ÑIÔIÐÝ),Ð-?ÐARÑ)SÔ)Sð Að AÑ%ˆ˜Ý! .°-Ñ@Ô@Ð@Ð@ð +×9Ò9¸-ÑHÔHÐØ(×7Ò7¸Ñ?Ô?ÐÝ),Ð-?ÐARÑ)SÔ)Sð :ð :Ñ%ˆ˜Ý˜>¨=Ñ9Ô9Ð9Ð9ð +×?Ò?ÀÑNÔNÐØ(×=Ò=¸fÑEÔEÐÝ),Ð-?ÐARÑ)SÔ)Sð Að AÑ%ˆ˜Ý! .°-Ñ@Ô@Ð@Ð@ð +×7Ò7¸ÀvÑNÔNÐØ(×5Ò5°f¸fÑEÔEÐÝ),Ð-?ÐARÑ)SÔ)Sð :ð :Ñ%ˆ˜Ý˜>¨=Ñ9Ô9Ð9Ð9ð BÐAÐ#4Ô#@ÐAÑAÔA€EåÐ;Ð;Ð;Ð;°UÐ;Ñ;Ô;Ñ<Ô<Ð<Ð<Ð<Ð<Ð<r3   c                 óâ  ‡—  G d„ dt           ¦  «        }t          j        dddd¬¦  «        \  }}t          ||d¬	¦  «        \  }}}} | |¦  «        }	 | |¦  «        }
t	           |¦   «         d¬
¦  «                             |	|¦  «        }t	           |¦   «         d¬
¦  «                             ||¦  «        }|                     |
¦  «        }|                     |¦  «        }t          ||¦  «         |                     |
¦  «        }|                     |¦  «        }t          ||¦  «        D ]\  }}t          ||¦  «         Œd„ |j
        D ¦   «         }t          ˆfd„|D ¦   «         ¦  «        sJ ‚d S )Nc                   ó$   ‡ — e Zd ZdZdˆ fd„	Zˆ xZS )ú)test_sparse_regression.<locals>.CustomSVRz8SVR variant that records the nature of the training set.Nc                 óx   •— t          ¦   «                              |||¬¦  «         t          |¦  «        | _        | S rÑ   rÒ   rÕ   s       €r1   rH   z-test_sparse_regression.<locals>.CustomSVR.fit¦  rÖ   r3   r,   r×   rÚ   s   @r1   Ú	CustomSVRr  £  rÜ   r3   r  rÝ   é2   r   rß   )rª   r«   Ú	n_targetsr#   r   r"   r›   c                 ó   — g | ]	}|j         ‘Œ
S r~   rã   rä   s     r1   r�   z*test_sparse_regression.<locals>.<listcomp>Ê  s   € Ð@Ð@Ð@˜aˆQŒ\Ð@Ð@Ð@r3   c                 ó   •— g | ]}|‰k    ‘Œ	S r~   r~   rç   s     €r1   r�   z*test_sparse_regression.<locals>.<listcomp>Ì  rê   r3   )r   r   Úmake_regressionr   r	   rH   rN   r   rŒ   rï   rg   r?   )rð   ré   r  r/   r±   rñ   rò   ró   rô   rõ   rö   Úsparse_regressorÚdense_regressorÚsparse_regr_resultsÚdense_regr_resultsÚsparse_regr_resÚdense_regr_resrý   s    `                r1   Útest_sparse_regressionr  “  sÒ  ø€ ð ð ð ð ð •Cñ ô ð õ Ô#Ø ¨q¸rðñ ô �D€A€qõ (8¸¸1È1Ð'MÑ'MÔ'MÑ$€GˆV�W˜fà%Ð% gÑ.Ô.€NØ$Ð$ VÑ,Ô,€Mõ )°9°9±;´;ÈQÐOÑOÔO×SÒSØ˜ñô Ðõ
 (°)°)±+´+ÈAÐNÑNÔN×RÒRØ�ñô €Oð
 +×2Ò2°=ÑAÔAÐØ(×0Ò0°Ñ8Ô8ÐÝÐ1Ð3EÑFÔFÐFð +×9Ò9¸-ÑHÔHÐØ(×7Ò7¸Ñ?Ô?ÐÝ+.Ð/BÐDVÑ+WÔ+Wð Cð CÑ'ˆ˜Ý! /°>ÑBÔBÐBÐBà@Ð@Ð#3Ô#?Ð@Ñ@Ô@€EåÐ;Ð;Ð;Ð;°UÐ;Ñ;Ô;Ñ<Ô<Ð<Ð<Ð<Ð<Ð<r3   c                  óö   —  G d„ dt           ¦  «        } t           | ¦   «         d¬¦  «        }|                     t          t          ¦  «         t          |j        ¦  «        t          |j        ¦  «        k    sJ ‚dS )z·
    AdaBoostRegressor should work without sample_weights in the base estimator
    The random weighted sampling is done internally in the _boost method in
    AdaBoostRegressor.
    c                   ó   — e Zd Zd„ Zd„ ZdS )ú=test_sample_weight_adaboost_regressor.<locals>.DummyEstimatorc                 ó   — d S r,   r~   )r.   r/   r±   s      r1   rH   zAtest_sample_weight_adaboost_regressor.<locals>.DummyEstimator.fit×  s   € ØˆDr3   c                 ó@   — t          j        |j        d         ¦  «        S )Nr   )r8   Úzerosr-   )r.   r/   s     r1   rN   zEtest_sample_weight_adaboost_regressor.<locals>.DummyEstimator.predictÚ  s   € Ý”8˜AœG AœJÑ'Ô'Ð'r3   N)r4   r5   r6   rH   rN   r~   r3   r1   ÚDummyEstimatorr  Ö  s2   € € € € € ð	ð 	ð 	ð	(ð 	(ð 	(ð 	(ð 	(r3   r  r!   ry   N)r   r	   rH   r/   rY   rG   Úestimator_weights_Úestimator_errors_)r  rœ   s     r1   Ú%test_sample_weight_adaboost_regressorr  Ï  s‰   € ð(ð (ð (ð (ð (�ñ (ô (ð (õ ˜n˜nÑ.Ô.¸QÐ?Ñ?Ô?€EØ	‡I‚I�a•ÑÔÐÝˆuÔ'Ñ(Ô(­C°Ô0GÑ,HÔ,HÒHÐHÐHÐHÐHÐHr3   c                  ó  — t           j                             d¦  «        } |                      ddd¦  «        }|                      ddgd¦  «        }|                      d¦  «        }t          t          d¬¦  «        ¦  «        }|                     ||¦  «         |                     |¦  «         | 	                    |¦  «         t          t          ¦   «         ¦  «        }|                     ||¦  «         |                     |¦  «         dS )zX
    Check that the AdaBoost estimators can work with n-dimensional
    data matrix
    r   é3   r!   r   Úmost_frequent)ÚstrategyN)r8   r‰   rŠ   ÚrandnÚchoicer   r   rH   rN   r2   r	   r   )r�   r/   ÚycÚyrrœ   s        r1   Útest_multidimensional_Xr"  â  så   € õ
 Œ)×
Ò
 Ñ
"Ô
"€Cà�	Š	�"�a˜ÑÔ€AØ	�Š�Q˜�F˜BÑ	Ô	€BØ	�Š�2‰Œ€Bå�¸ÐHÑHÔHÑIÔI€EØ	‡I‚Iˆa�ÑÔÐØ	‡M‚M�!ÑÔÐØ	×Ò˜ÑÔÐå�nÑ.Ô.Ñ/Ô/€EØ	‡I‚Iˆa�ÑÔÐØ	‡M‚M�!ÑÔÐÐÐr3   c                  ó^  — t           j        t           j        }} t          t	          ¦   «         ¦  «        }t          |¬¦  «        }d                     |j        j        ¦  «        }t          j
        t          |¬¦  «        5  |                     | |¦  «         d d d ¦  «         d S # 1 swxY w Y   d S )Nr˜   z {} doesn't support sample_weightrµ   )rc   re   rd   r   r   r   Úformatr¤   r4   r¹   rº   r»   rH   )r/   r±   r™   rJ   Úerr_msgs        r1   Ú-test_adaboostclassifier_without_sample_weightr&  ÷  sÕ   € ÝŒ9•d”k€q€AÝ%¥oÑ&7Ô&7Ñ8Ô8€IÝ
 yÐ
1Ñ
1Ô
1€CØ0×7Ò7¸	Ô8KÔ8TÑUÔU€GÝ	Œ•z¨Ð	1Ñ	1Ô	1ð ð Ø�Š��1‰Œˆðð ð ñ ô ð ð ð ð ð ð ð øøøð ð ð ð ð ð s   Á>B"Â"B&Â)B&c                  óª  — t           j                             d¦  «        } t          j        ddd¬¦  «        }d|z  dz   |                      |j        d         ¦  «        dz  z   }|                     d	d
¦  «        }|d	xx         dz  cc<   d|d	<   t          t          ¦   «         d
d¬¦  «        }t          |¦  «        }t          |¦  «        }| 
                    ||¦  «         | 
                    |d d	…         |d d	…         ¦  «         t          j        |¦  «        }d|d	<   | 
                    |||¬¦  «         |                     |d d	…         |d d	…         ¦  «        }|                     |d d	…         |d d	…         ¦  «        }|                     |d d	…         |d d	…         ¦  «        }	||k     sJ ‚||	k     sJ ‚|t          j        |	¦  «        k    sJ ‚d S )Nrß   r   éd   éè  )Únumgš™™™™™é?r&   g-Cëâ6?r   r   rv   i'  ©r™   rz   r#   r{   )r8   r‰   rŠ   ÚlinspaceÚrandr-   Úreshaper	   r   r   rH   r=   rf   r¹   Úapprox)
r�   r/   r±   Úregr_no_outlierÚregr_with_weightÚregr_with_outlierr|   Úscore_with_outlierÚscore_no_outlierÚscore_with_weights
             r1   Ú$test_adaboostregressor_sample_weightr6     sô  € õ Œ)×
Ò
 Ñ
#Ô
#€CÝ
Œ�A�s Ð%Ñ%Ô%€AØ	ˆq‰�3‰˜3Ÿ8š8 A¤G¨A¤JÑ/Ô/°&Ñ8Ñ9€AØ	�	Š	�"�aÑÔ€Að €b€E€E„EˆR�K€E€E�EØ€A€b�Eõ (Ý"Ñ$Ô$°1À1ðñ ô €Oõ ˜_Ñ-Ô-ÐÝ˜oÑ.Ô.Ðð ×Ò˜!˜QÑÔÐØ×Ò˜˜#˜2˜#œ  # 2 #¤Ñ'Ô'Ð'Ý”L ‘O”O€MØ€M�"ÑØ×Ò˜˜A¨]ÐÑ;Ô;Ð;à*×0Ò0°°3°B°3´¸¸3¸B¸3¼Ñ@Ô@ÐØ&×,Ò,¨Q¨s°¨s¬V°Q°s¸°s´VÑ<Ô<ÐØ(×.Ò.¨q°°"°¬v°q¸¸"¸´vÑ>Ô>ÐàÐ 0Ò0Ð0Ð0Ð0ØÐ 1Ò1Ð1Ð1Ð1Ø�vœ}Ð->Ñ?Ô?Ò?Ð?Ð?Ð?Ð?Ð?r3   c                  ó.  — t          t          j        d¬¦  «        ddiŽ\  } }}}t          d¬¦  «        }|                     | |¦  «         t          t          j        |                     |¦  «        d¬¦  «        | 	                    |¦  «        ¦  «         d S )NT)Ú
return_X_yr#   rß   r"   r   r'   )
r   r   Úload_digitsr   rH   r   r8   rA   r2   rN   )rñ   rò   ró   rô   Úmodels        r1   Ú test_adaboost_consistent_predictr;  &  s¥   € õ (8Ý	Ô	¨Ð	.Ñ	.Ô	.ð(Ø=?ð(ð (Ñ$€GˆV�W˜fõ ¨BÐ/Ñ/Ô/€EØ	‡I‚Iˆg�wÑÔÐåÝ
Œ	�%×%Ò% fÑ-Ô-°AÐ6Ñ6Ô6¸¿ºÀfÑ8MÔ8Mñô ð ð ð r3   zmodel, X, yc                 óÔ   — t          j        |¦  «        }d|d<   d}t          j        t          |¬¦  «        5  |                      |||¬¦  «         d d d ¦  «         d S # 1 swxY w Y   d S )Niöÿÿÿr   z1Negative values in data passed to `sample_weight`rµ   r{   )r8   r=   r¹   rº   r»   rH   )r:  r/   r±   r|   r%  s        r1   Ú#test_adaboost_negative_weight_errorr=  5  s±   € õ ”L ‘O”O€MØ€M�"ÑàA€GÝ	Œ•z¨Ð	1Ñ	1Ô	1ð 5ð 5Ø�	Š	�!�Q mˆ	Ñ4Ô4Ð4ð5ð 5ð 5ñ 5ô 5ð 5ð 5ð 5ð 5ð 5ð 5ð 5øøøð 5ð 5ð 5ð 5ð 5ð 5s   ·AÁA!Á$A!c                  ó¨  — t           j                             d¦  «        } |                      d¬¦  «        }|                      ddgd¬¦  «        }t          j        |¦  «        dz  }t          dd	¬
¦  «        }t          |dd	¬¦  «        }|                     |||¬¦  «         t          j	        |j
        ¦  «                             ¦   «         dk    sJ ‚dS )z¸Check that we don't create NaN feature importance with numerically
    instable inputs.

    Non-regression test for:
    https://github.com/scikit-learn/scikit-learn/issues/20320
    rß   )r)  rv   rw   r   r   r)  gtDíS 'T	rv   é   )Ú	max_depthr#   é   r+  r{   N)r8   r‰   rŠ   Únormalr  r=   r   r   rH   Úisnanr°   r;   )r�   r/   r±   r|   ÚtreeÚ	ada_models         r1   ÚFtest_adaboost_numerically_stable_feature_importance_with_small_weightsrF  E  sÆ   € õ Œ)×
Ò
 Ñ
#Ô
#€CØ�
Š
˜
ˆ
Ñ#Ô#€AØ�
Š
�A�q�6 ˆ
Ñ%Ô%€AÝ”L ‘O”O fÑ,€MÝ!¨B¸RÐ@Ñ@Ô@€DÝ"¨TÀÐQSÐTÑTÔT€IØ‡M‚M�!�Q m€MÑ4Ô4Ð4ÝŒ8�IÔ2Ñ3Ô3×7Ò7Ñ9Ô9¸QÒ>Ð>Ð>Ð>Ð>Ð>r3   c                 ó|  — d}t          j        |d| ¬¦  «        \  }}t          d| ¬¦  «                             ||¦  «        }|                     |¦  «        }t          |                     d¬¦  «        dd¬¦  «         t          t          j	        |¦  «        ¦  «        dd	|dz
  z  hk    sJ ‚| 
                    |¦  «        D ]W}t          |                     d¬¦  «        dd¬¦  «         t          t          j	        |¦  «        ¦  «        dd	|dz
  z  hk    sJ ‚ŒX|                     d
¬¦  «                             ||¦  «         |                     |¦  «        }t          |                     d¬¦  «        dd¬¦  «         | 
                    |¦  «        D ](}t          |                     d¬¦  «        dd¬¦  «         Œ)dS )zºCheck that the decision function respects the symmetric constraint for weak
    learners.

    Non-regression test for:
    https://github.com/scikit-learn/scikit-learn/issues/26520
    r!   r   )rà   Ún_clusters_per_classr#   r†   r'   r   g:Œ0âŽyE>)Úatolr   rÞ   ry   N)r   r¯   r   rH   rT   r   r;   rh   r8   rQ   rî   Ú
set_params)Úglobal_random_seedrà   r/   r±   rJ   Úy_scores         r1   Útest_adaboost_decision_functionrM  V  sÝ  € ð €IÝÔ'Ø°!ÐBTðñ ô �D€A€qõ ¨!Ð:LÐ
MÑ
MÔ
M×
QÒ
QÐRSÐUVÑ
WÔ
W€Cà×#Ò# AÑ&Ô&€GÝ�G—K’K Q�KÑ'Ô'¨°Ð6Ñ6Ô6Ð6õ �rŒy˜Ñ!Ô!Ñ"Ô" q¨"°	¸A±Ñ*>Ð&?Ò?Ð?Ð?Ð?ð ×/Ò/°Ñ2Ô2ð Dð DˆÝ˜Ÿš¨˜Ñ+Ô+¨Q°TÐ:Ñ:Ô:Ð:õ •2”9˜WÑ%Ô%Ñ&Ô&¨1¨b°IÀ±MÑ.BÐ*CÒCÐCÐCÐCÐCà‡N‚N €NÑ"Ô"×&Ò& q¨!Ñ,Ô,Ð,à×#Ò# AÑ&Ô&€GÝ�G—K’K Q�KÑ'Ô'¨°Ð6Ñ6Ô6Ð6à×/Ò/°Ñ2Ô2ð ;ð ;ˆÝ˜Ÿš¨˜Ñ+Ô+¨Q°TÐ:Ñ:Ô:Ð:Ð:ð;ð ;r3   c                  óÐ   — t          dd¬¦  «        } t          j        t          d¬¦  «        5  |                      t
          t          ¦  «         d d d ¦  «         d S # 1 swxY w Y   d S )Nr   ÚSAMME)rz   Ú	algorithmz'The parameter 'algorithm' is deprecatedrµ   )r   r¹   rÉ   ÚFutureWarningrH   r/   rM   )Úadaboost_clfs    r1   Útest_deprecated_algorithmrS  |  s¤   € Ý%°1ÀÐHÑHÔH€LÝ	Œ•mÐ+TÐ	UÑ	UÔ	Uð %ð %Ø×Ò��GÑ$Ô$Ð$ð%ð %ð %ñ %ô %ð %ð %ð %ð %ð %ð %ð %øøøð %ð %ð %ð %ð %ð %s   ­!AÁAÁ"A)XrØ   r·   Únumpyr8   r¹   Úsklearnr   Úsklearn.baser   r   Úsklearn.dummyr   r   rÂ   r   r	   Ú!sklearn.ensemble._weight_boostingr
   Úsklearn.linear_modelr   Úsklearn.model_selectionr   r   Úsklearn.svmr   r   Úsklearn.treer   r   Úsklearn.utilsr   Úsklearn.utils._mockingr   Úsklearn.utils._testingr   r   r   Úsklearn.utils.fixesr   r   r   r   r   r‰   rŠ   r�   r/   rM   rY   rO   rP   rZ   Ú	load_irisrc   Úpermutationrd   rx   Úpermre   Úload_diabetesrr   rD   rK   rV   r[   rk   ÚmarkÚparametrizert   r–   rž   r¨   r³   r½   rÅ   rË   rï   rþ   r  r  r"  r&  r6  r;  r=  rF  rM  rS  r~   r3   r1   ú<module>rg     sŒ  ðØ <Ð <à 	€	€	€	à Ð Ð Ð Ø €€€à Ð Ð Ð Ð Ð Ø -Ð -Ð -Ð -Ð -Ð -Ð -Ð -Ø 9Ð 9Ð 9Ð 9Ð 9Ð 9Ð 9Ð 9Ø BÐ BÐ BÐ BÐ BÐ BÐ BÐ BØ :Ð :Ð :Ð :Ð :Ð :Ø 1Ð 1Ð 1Ð 1Ð 1Ð 1Ø BÐ BÐ BÐ BÐ BÐ BÐ BÐ BØ  Ð  Ð  Ð  Ð  Ð  Ð  Ð  Ø FÐ FÐ FÐ FÐ FÐ FÐ FÐ FØ !Ð !Ð !Ð !Ð !Ð !Ø 8Ð 8Ð 8Ð 8Ð 8Ð 8ðð ð ð ð ð ð ð ð ð ð
ð ð ð ð ð ð ð ð ð ð ð ð ð ð 	„i×Ò˜AÑÔ€ð 	ˆ"€X��Bˆx˜"˜b˜ A q 6¨A¨q¨6°A°q°6Ð:€Ø
(Ð
(Ð
(€Ø	Ð	Ð	€Øˆ"€X��1ˆv˜˜1�vÐ€ØˆMˆM€	Øˆ:ˆ:€ð €xÔÑÔ€Ø
‡‚�t”{Ô'Ñ(Ô(€Ø ˜ ¤¨D¬KÀcÐJÑJÔJÑ €„	ˆ4Œ;ð "ˆ8Ô!Ñ#Ô#€Ø!( Ø„M�8”?°ð"ñ "ô "Ñ €„ˆxŒð
Eð Eð Eð:Jð Jð Jð7ð 7ð 7ð1ð 1ð 1ðYð Yð Yð, „×Ò˜Ð!DÐ!DÐ!DÑEÔEð
Yð 
Yñ FÔEð
Yð*8ð *8ð *8ðZ,ð ,ð ,ð$ð ð ð6Bð Bð Bð*<ð <ð <ð ð  ð  ð8(ð (ð (ð „×ÒØ.Ø€Cð	
Øð	
àð	
ð ð	
ð ð		
ð
 ð	
ð 	˜˜^Ñ+Ñ+ñ	ô 	ñô ðW=ð W=ñô ðW=ðt „×ÒØ.Ø€Cð	
Øð	
àð	
ð ð	
ð ð		
ð
 ð	
ð 	˜˜^Ñ+Ñ+ñ	ô 	ñô ð,=ð ,=ñô ð,=ð^Ið Ið Ið&ð ð ð*ð ð ð#@ð #@ð #@ðLð ð ð „×ÒØà	Ð	Ñ	Ô	˜tœy¨$¬+Ð6Ø	Ð	Ñ	Ô	˜hœm¨X¬_Ð=ðñô ð5ð 5ñô ð5ð?ð ?ð ?ð"";ð ";ð ";ðL%ð %ð %ð %ð %r3   