# Prompt ພັດທະນາ dev2.icom.la

ປັບປຸງລະບົບ Python/Falcon ວິເຄາະເລກ 6 ຫຼັກ ໃຫ້ຄຳນວນຖືກຕ້ອງ,
ກວດສອບຄືນໄດ້ ແລະສະແດງຫຼັກຖານກ່ອນອ້າງຄວາມແມ່ນຍຳ.
ຜົນຫວຍແບບສຸ່ມບໍ່ມີວິທີຮັບປະກັນການທຳນາຍ.

1. ຮັບເລກ 6 ຫຼັກ, ຮັກສາ 0 ນຳໜ້າ, ຮອງຮັບເລກລາວ/ໄທ,
   ແຈ້ງແຖວທີ່ຜິດ; ຫ້າມຂ້າມຂໍ້ມູນຜິດຢ່າງງຽບໆ.
   ເລກຊ້ຳໃນຕ່າງງວດເກີດໄດ້ ແລະຕ້ອງເກັບໄວ້.
2. ເພີ່ມໂໝດປຽບທຽບຫຼັກຖານ ສຳລັບ 2, 3 ແລະ 6 ຫຼັກ:
   uniform baseline, smoothed positional frequency, recency ແລະ adaptive ensemble.
   ລະບຸສົມມຸດຖານຕຳແໜ່ງເປັນອິດສະຫຼະ ແລະຄ່າພາລາມິເຕີ.
3. ໃຊ້ walk-forward: ທຳນາຍແຖວ i ຈາກແຖວກ່ອນ i ເທົ່ານັ້ນ;
   ປັບນ້ຳໜັກ ensemble ຫຼັງວັດຜົນຂອງແຖວນັ້ນ.
   ເລີ່ມຈາກ 40 ງວດ, ລາຍງານສູງສຸດ 120 ງວດຫຼ້າສຸດ
   ແລະແຍກ 24 ງວດຫຼ້າສຸດ. ທຸກໂມເດວໃຊ້ແຖວທົດສອບດຽວກັນ.
4. ລາຍງານ Top-1/Top-10, Wilson 95% interval, multiclass Brier,
   log loss, ການປຽບທຽບ baseline ແລະປັບ p-value ສຳລັບ
   9 ການປຽບທຽບ (3 ໂມເດວ × 3 ຂະໜາດ).
   ຜົນຍ້ອນຫຼັງເປັນ exploratory; ຫ້າມອ້າງວ່າເປັນ
   ຜົນທົດສອບອະນາຄົດທີ່ຍັງບໍ່ເຄີຍເຫັນ.
5. ສະແດງກາຟຜົນປຽບທຽບ, ລາຍການຄາດ/ຜົນຈິງ,
   ລາຍງານຄຸນນະພາບຂໍ້ມູນ, ຮຸ່ນໂມເດວ ແລະ SHA-256.
   ຈັດອັນດັບໄດ້ຄືເກົ່າສຳລັບຂໍ້ມູນດຽວກັນ,
   ບໍ່ໃຊ້ເວລາປັດຈຸບັນເປັນສັນຍານ.
6. ເພີ່ມນຳເຂົ້າ CSV/TXT ໜຶ່ງເລກຕໍ່ແຖວ, ກັບລຳດັບ,
   ສົ່ງອອກ CSV/JSON ແລະ read-only API /api/v1/evidence.
   ຂໍ້ມູນບໍ່ມີວັນທີ/ແຫຼ່ງຢືນຢັນຕ້ອງລະບຸຂໍ້ຈຳກັດນີ້.
7. ຮັກສາຄັງ append-only ແລະໂໝດເດີມ, ສຳຮອງກ່ອນ deploy,
   ທົດສອບຄະນິດສາດ, ການບໍ່ຮົ່ວໄຫຼຂໍ້ມູນອະນາຄົດ,
   API, ໜ້າ desktop/mobile ແລະການດາວໂຫຼດຈິງ.

Method references:
- https://otexts.com/fpp3/tscv.html
- https://scikit-learn.org/stable/modules/model_evaluation.html

Future validation: freeze this version and retain forecasts before new draws occur.
Only those future observations can support a prospective accuracy claim.

## 5.5.0 — integrity and authorized storage

- Require a dedicated administrator key for shared history and saved-analysis
  writes. Keep ordinary analysis and exports public; never reuse cPanel passwords.
- Check strict history, chain hashes, prefix datasets and a local checkpoint
  before using saved data. Recover interrupted writes with a checked journal and
  lock. Reject inconsistencies without clearing or silently repairing the log.
- Disclose legacy unhashed entries and distinguish file consistency from source
  authenticity. Keep request attribution private and derive it from the request.
- Replace arbitrary fraud scores with 13 explicit tests, exact binomial tails,
  gated chi-square approximations, conservative bounds and Holm-adjusted p-values.
  Mark insufficient data explicitly. Statistical anomalies do not prove fraud.
- Export the actual analyzed dataset's audit, preserve visible results on narrow
  screens, and limit evidence-mode display count to its supported 20 numbers.