feat: add pose, general-objects, skin, brain, tabular endpoints

Module 3 expansion backend — 7 new endpoints across 3 categories.

Object Detection:
- /detection/predict-pose: YOLOv8n-pose, 17 COCO keypoints, cap 10 persons
- /detection/predict-general: YOLOv8n full 80 COCO classes

Medical Imaging (unified multi-class schema with mode field + heatmap):
- /medical/predict-skin-lesion: Anwarkh1/Skin_Cancer ViT (9 classes)
- /medical/predict-brain-tumor: Devarshi/Brain_Tumor ViT (4 classes)
- medical_cam.py: attention rollout for ViT + Grad-CAM for CNN

Tabular (train-on-startup sklearn, per-request contributions):
- /tabular/predict-titanic: LogisticRegression (coef-based contribution)
- /tabular/predict-heart: GradientBoostingClassifier (LOCO approximation)
- /tabular/predict-wine: GradientBoostingClassifier + quality bucketing
- tabular_models.py: shared training + contribution logic
- sample_data/heart.csv, wine_red.csv: UCI + Kaggle datasets

Other:
- /models/warmup: accept new keys (pose, general, skin, brain, titanic, heart, wine)
- .gitignore: exclude __pycache__, *.pt (auto-downloaded at runtime)

.gitignore

@@ -0,0 +1,18 @@
+# Python
+__pycache__/
+*.py[cod]
+*.so
+venv/
+.venv/
+
+# Model weights (auto-downloaded at runtime by ultralytics / transformers)
+*.pt
+*.pth
+
+# OS
+.DS_Store
+Thumbs.db
+
+# Env
+.env
+.env.local

main.py

@@ -915,12 +915,27 @@ async def predict_image(file: UploadFile = File(...)):
 _model_lock = threading.Lock()
 _xray_model = None
 _yolo_model = None
+_pose_model = None
+_general_model = None
 _food_pipeline = None
 _bird_pipeline = None
+_skin_bundle = None    # (processor, model, id2label)
+_brain_bundle = None   # (processor, model, id2label)
 
 # COCO animal class IDs (zero-indexed, 80-class COCO)
 _COCO_ANIMAL_IDS = {14, 15, 16, 17, 18, 19, 20, 21, 22, 23}
 
+# COCO 17-keypoint names (in YOLOv8-pose order)
+_COCO_KEYPOINTS = [
+    "nose", "left_eye", "right_eye", "left_ear", "right_ear",
+    "left_shoulder", "right_shoulder", "left_elbow", "right_elbow",
+    "left_wrist", "right_wrist", "left_hip", "right_hip",
+    "left_knee", "right_knee", "left_ankle", "right_ankle",
+]
+
+# Cap people per pose request to keep payload size bounded
+_POSE_MAX_PEOPLE = 10
+
 
 def _get_xray_model():
     """Lazy-load torchxrayvision DenseNet121 trained on ensemble of 5 datasets.
@@ -952,6 +967,85 @@ def _get_yolo_model():
     return _yolo_model
 
 
+def _get_pose_model():
+    """Lazy-load YOLOv8n-pose for 17-keypoint COCO pose estimation."""
+    global _pose_model
+    if _pose_model is None:
+        with _model_lock:
+            if _pose_model is None:
+                from ultralytics import YOLO
+                _pose_model = YOLO("yolov8n-pose.pt")
+                print("YOLOv8n-pose loaded")
+    return _pose_model
+
+
+def _get_general_model():
+    """Lazy-load YOLOv8n for full COCO 80-class detection (no animal filter).
+
+    Reuses the same yolov8n.pt weights as `_get_yolo_model()` so the model is
+    only downloaded once. Kept as a separate global handle to make the warmup
+    and class-listing logic explicit per task.
+    """
+    global _general_model
+    if _general_model is None:
+        with _model_lock:
+            if _general_model is None:
+                from ultralytics import YOLO
+                _general_model = YOLO("yolov8n.pt")
+                print("YOLOv8n (general 80 classes) loaded")
+    return _general_model
+
+
+def _get_skin_model():
+    """Lazy-load HuggingFace ViT for skin lesion / cancer classification.
+
+    Anwarkh1/Skin_Cancer-Image_Classification — ViT-base fine-tuned on
+    dermoscopic images covering ~9 classes (melanoma, basal cell carcinoma,
+    melanocytic nevus, etc.). Returns (processor, model, id2label).
+    """
+    global _skin_bundle
+    if _skin_bundle is None:
+        with _model_lock:
+            if _skin_bundle is None:
+                from transformers import AutoImageProcessor, AutoModelForImageClassification
+                repo = "Anwarkh1/Skin_Cancer-Image_Classification"
+                processor = AutoImageProcessor.from_pretrained(repo)
+                # Use eager attention so output_attentions=True works for rollout
+                model = AutoModelForImageClassification.from_pretrained(
+                    repo, attn_implementation="eager"
+                )
+                model.eval()
+                id2label = {int(k): v for k, v in model.config.id2label.items()}
+                _skin_bundle = (processor, model, id2label)
+                print(f"Skin lesion model loaded: {len(id2label)} classes")
+    return _skin_bundle
+
+
+def _get_brain_model():
+    """Lazy-load HuggingFace ViT for brain tumor MRI classification.
+
+    Devarshi/Brain_Tumor_Classification — ViT-base fine-tuned on a 4-class
+    MRI dataset (glioma, meningioma, pituitary, no_tumor).
+    Returns (processor, model, id2label).
+    """
+    global _brain_bundle
+    if _brain_bundle is None:
+        with _model_lock:
+            if _brain_bundle is None:
+                from transformers import AutoImageProcessor, AutoModelForImageClassification
+                repo = "Devarshi/Brain_Tumor_Classification"
+                processor = AutoImageProcessor.from_pretrained(repo)
+                # Use eager attention so output_attentions=True works for rollout
+                model = AutoModelForImageClassification.from_pretrained(
+                    repo, attn_implementation="eager"
+                )
+                model.eval()
+                id2label = {int(k): v for k, v in model.config.id2label.items()}
+                _brain_bundle = (processor, model, id2label)
+                print(f"Brain tumor model loaded: {len(id2label)} classes")
+    return _brain_bundle
+
+
 def _get_food_pipeline():
     """Lazy-load HuggingFace ViT-Base fine-tuned on Food-101."""
     global _food_pipeline
@@ -1066,6 +1160,112 @@ async def predict_animals(file: UploadFile = File(...), conf_threshold: float =
         raise HTTPException(status_code=500, detail=str(e))
 
 
+# ─── Endpoint: Pose Estimation (YOLOv8n-pose) ───
+@app.post("/detection/predict-pose")
+async def predict_pose(file: UploadFile = File(...), conf_threshold: float = 0.25):
+    """Multi-person pose estimation via YOLOv8n-pose.
+
+    Returns bounding boxes for each detected person plus 17 COCO keypoints
+    (nose, eyes, ears, shoulders, elbows, wrists, hips, knees, ankles).
+    Capped at the top-N highest-confidence people to bound payload size.
+    """
+    try:
+        model = _get_pose_model()
+        contents = await file.read()
+        img = Image.open(io.BytesIO(contents)).convert("RGB")
+        img_w, img_h = img.size
+
+        results = model.predict(img, conf=conf_threshold, verbose=False)
+        r = results[0]
+        boxes = r.boxes
+        kpts = r.keypoints  # shape (N, 17, 3) where last dim is (x, y, conf)
+        names = r.names
+
+        # Sort persons by confidence and cap
+        person_indices = list(range(len(boxes)))
+        person_indices.sort(key=lambda i: float(boxes.conf[i]), reverse=True)
+        person_indices = person_indices[:_POSE_MAX_PEOPLE]
+
+        detections = []
+        for i in person_indices:
+            cls_id = int(boxes.cls[i])
+            class_name = names.get(cls_id, "person") if isinstance(names, dict) else names[cls_id]
+            xyxy = boxes.xyxy[i].tolist()
+            conf = float(boxes.conf[i])
+
+            # Extract this person's 17 keypoints
+            person_kpts = []
+            if kpts is not None and kpts.data is not None and i < len(kpts.data):
+                kp_data = kpts.data[i].tolist()  # list of [x, y, conf]
+                for idx, (kx, ky, kc) in enumerate(kp_data):
+                    person_kpts.append({
+                        "x": float(kx),
+                        "y": float(ky),
+                        "conf": float(kc),
+                        "name": _COCO_KEYPOINTS[idx] if idx < len(_COCO_KEYPOINTS) else f"kp_{idx}",
+                    })
+
+            detections.append({
+                "box": [float(xyxy[0]), float(xyxy[1]), float(xyxy[2]), float(xyxy[3])],
+                "confidence": conf,
+                "class_name": class_name,
+                "class_id": cls_id,
+                "keypoints": person_kpts,
+            })
+
+        return {
+            "image_width": img_w,
+            "image_height": img_h,
+            "detections": detections,
+            "count": len(detections),
+            "model": "yolov8n-pose",
+        }
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+
+# ─── Endpoint: General Object Detection (YOLOv8n, full COCO 80) ───
+@app.post("/detection/predict-general")
+async def predict_general(file: UploadFile = File(...), conf_threshold: float = 0.25):
+    """Generic object detection via YOLOv8n on full COCO 80 classes (no filter)."""
+    try:
+        model = _get_general_model()
+        contents = await file.read()
+        img = Image.open(io.BytesIO(contents)).convert("RGB")
+        img_w, img_h = img.size
+
+        results = model.predict(img, conf=conf_threshold, verbose=False)
+        r = results[0]
+        boxes = r.boxes
+        names = r.names
+
+        detections = []
+        classes_detected = set()
+        for i in range(len(boxes)):
+            cls_id = int(boxes.cls[i])
+            xyxy = boxes.xyxy[i].tolist()
+            conf = float(boxes.conf[i])
+            class_name = names[cls_id]
+            detections.append({
+                "box": [float(xyxy[0]), float(xyxy[1]), float(xyxy[2]), float(xyxy[3])],
+                "confidence": conf,
+                "class_name": class_name,
+                "class_id": cls_id,
+            })
+            classes_detected.add(class_name)
+
+        return {
+            "image_width": img_w,
+            "image_height": img_h,
+            "detections": detections,
+            "count": len(detections),
+            "classes_detected": sorted(classes_detected),
+            "model": "yolov8n",
+        }
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+
 # ─── Endpoint: Chest X-ray Pneumonia + Grad-CAM ───
 def _compute_xray_gradcam(model, img_tensor: torch.Tensor, target_idx: int):
     """Compute Grad-CAM heatmap for torchxrayvision DenseNet121.
@@ -1311,11 +1511,179 @@ async def predict_xray(
             "image_width": 224,
             "image_height": 224,
             "mode": "pseudo_cam" if use_pseudo_cam else "grad_cam",
+            "output_type": "multi-label",
+            "model": "DenseNet121-all (torchxrayvision)",
+        }
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+
+# ─── Shared helper: ViT classification + attention rollout ───
+
+def _run_vit_classifier(
+    bundle,
+    file_bytes: bytes,
+    *,
+    heatmap: bool,
+    target_w: int = 384,
+    target_h: int = 384,
+):
+    """Run a ViT classification bundle (processor, model, id2label) on raw
+    image bytes and return a unified multi-class response dict.
+
+    Returns a dict matching the schema documented for skin / brain endpoints:
+        {
+            "prediction": str,           # top class name
+            "confidence": float,         # softmax of top class
+            "classes": dict[str, float], # all softmax probabilities
+            "heatmap": str | None,       # base64 PNG data-URL
+            "output_type": "multi-class",
+            "image_width": int,
+            "image_height": int,
         }
+    """
+    import numpy as np
+    from medical_cam import (
+        compute_attention_rollout,
+        composite_heatmap_on_rgb,
+        resize_cam,
+    )
+
+    processor, model, id2label = bundle
+    img = Image.open(io.BytesIO(file_bytes)).convert("RGB")
+
+    # Resize for display (independent of model preprocessing)
+    display_img = img.copy()
+    if max(display_img.size) > max(target_w, target_h):
+        display_img.thumbnail((target_w, target_h), Image.LANCZOS)
+    display_w, display_h = display_img.size
+    display_rgb = np.array(display_img, dtype=np.uint8)
+
+    # Model-specific preprocessing
+    inputs = processor(images=img, return_tensors="pt")
+    pixel_values = inputs["pixel_values"]
+
+    with torch.inference_mode():
+        outputs = model(pixel_values=pixel_values)
+        logits = outputs.logits[0]
+        probs = torch.softmax(logits, dim=-1).cpu().numpy()
+
+    classes = {id2label.get(i, str(i)): float(p) for i, p in enumerate(probs)}
+    top_idx = int(np.argmax(probs))
+    top_name = id2label.get(top_idx, str(top_idx))
+    top_score = float(probs[top_idx])
+
+    heatmap_b64 = None
+    if heatmap:
+        try:
+            cam = compute_attention_rollout(model, pixel_values)
+            cam_resized = resize_cam(cam, (display_w, display_h))
+            heatmap_b64 = composite_heatmap_on_rgb(
+                cam_resized, display_rgb, alpha=0.45, gamma=0.7
+            )
+        except Exception as cam_err:
+            print(f"Attention rollout failed: {cam_err}")
+
+    return {
+        "prediction": top_name,
+        "confidence": top_score,
+        "classes": classes,
+        "heatmap": heatmap_b64,
+        "output_type": "multi-class",
+        "image_width": display_w,
+        "image_height": display_h,
+    }
+
+
+# ─── Endpoint: Skin Lesion / Cancer Classification ───
+@app.post("/medical/predict-skin-lesion")
+async def predict_skin_lesion(file: UploadFile = File(...), heatmap: bool = True):
+    """Skin lesion multi-class classification (Anwarkh1/Skin_Cancer ViT) with
+    attention-rollout heatmap. Research only — not a clinical diagnosis.
+    """
+    try:
+        bundle = _get_skin_model()
+        contents = await file.read()
+        result = _run_vit_classifier(bundle, contents, heatmap=heatmap)
+        result["model"] = "Anwarkh1/Skin_Cancer-Image_Classification"
+        return result
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+
+# ─── Endpoint: Brain Tumor MRI Classification ───
+@app.post("/medical/predict-brain-tumor")
+async def predict_brain_tumor(file: UploadFile = File(...), heatmap: bool = True):
+    """Brain tumor multi-class classification (Devarshi/Brain_Tumor ViT) with
+    attention-rollout heatmap. Research only — not a clinical diagnosis.
+    """
+    try:
+        bundle = _get_brain_model()
+        contents = await file.read()
+        result = _run_vit_classifier(bundle, contents, heatmap=heatmap)
+        result["model"] = "Devarshi/Brain_Tumor_Classification"
+        return result
     except Exception as e:
         raise HTTPException(status_code=500, detail=str(e))
 
 
+# ─── Tabular prediction endpoints ───
+
+class TabularPayload(BaseModel):
+    """Arbitrary feature -> value payload for tabular prediction."""
+
+    class Config:
+        extra = "allow"
+
+
+def _predict_tabular(bundle_name: str, payload: TabularPayload) -> dict:
+    import tabular_models as tm
+
+    try:
+        bundle = tm.get_bundle(bundle_name)
+    except KeyError:
+        raise HTTPException(status_code=404, detail=f"Unknown tabular bundle: {bundle_name}")
+    try:
+        data = payload.model_dump() if hasattr(payload, "model_dump") else payload.dict()
+    except Exception:
+        data = dict(payload) if payload else {}
+    try:
+        return bundle.predict(data)
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=f"Prediction failed: {e}")
+
+
+@app.post("/tabular/predict-titanic")
+async def predict_titanic(payload: TabularPayload):
+    """Predict Titanic survival from passenger features."""
+    return _predict_tabular("titanic-survival", payload)
+
+
+@app.post("/tabular/predict-heart")
+async def predict_heart(payload: TabularPayload):
+    """Predict heart-disease risk from UCI Cleveland clinical features."""
+    return _predict_tabular("heart-disease", payload)
+
+
+@app.post("/tabular/predict-wine")
+async def predict_wine(payload: TabularPayload):
+    """Predict red-wine quality tier (low/medium/high) from chemistry."""
+    return _predict_tabular("wine-quality", payload)
+
+
+@app.get("/tabular/schema/{name}")
+async def tabular_schema(name: str):
+    """Expose baseline values + feature ordering for a tabular bundle."""
+    import tabular_models as tm
+
+    try:
+        return tm.schema_summary(name)
+    except KeyError:
+        raise HTTPException(status_code=404, detail=f"Unknown tabular bundle: {name}")
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=f"Schema failed: {e}")
+
+
 # ─── Warmup endpoint ───
 @app.get("/models/warmup")
 async def warmup_models(model: str = "all"):
@@ -1328,12 +1696,36 @@ async def warmup_models(model: str = "all"):
         if model in ("yolo", "all"):
             _get_yolo_model()
             loaded.append("yolo")
+        if model in ("pose", "all"):
+            _get_pose_model()
+            loaded.append("pose")
+        if model in ("general", "all"):
+            _get_general_model()
+            loaded.append("general")
         if model in ("food", "all"):
             _get_food_pipeline()
             loaded.append("food")
         if model in ("bird", "all"):
             _get_bird_pipeline()
             loaded.append("bird")
+        if model in ("skin", "all"):
+            _get_skin_model()
+            loaded.append("skin")
+        if model in ("brain", "all"):
+            _get_brain_model()
+            loaded.append("brain")
+        if model in ("titanic", "all"):
+            import tabular_models as tm
+            tm.get_bundle("titanic-survival")
+            loaded.append("titanic")
+        if model in ("heart", "all"):
+            import tabular_models as tm
+            tm.get_bundle("heart-disease")
+            loaded.append("heart")
+        if model in ("wine", "all"):
+            import tabular_models as tm
+            tm.get_bundle("wine-quality")
+            loaded.append("wine")
         if model in ("imagenet", "all") and cv_model is not None:
             loaded.append("imagenet")
         return {"loaded": loaded, "status": "ok"}
@@ -1380,6 +1772,24 @@ async def get_model_classes(model: str):
             ]
             return {"classes": sorted(labels), "count": len(labels)}
 
+        if model == "pose":
+            return {"classes": list(_COCO_KEYPOINTS), "count": len(_COCO_KEYPOINTS)}
+
+        if model == "general":
+            m = _get_general_model()
+            labels = list(m.names.values())
+            return {"classes": sorted(labels), "count": len(labels)}
+
+        if model == "skin":
+            _, _, id2label = _get_skin_model()
+            labels = list(id2label.values())
+            return {"classes": sorted(labels), "count": len(labels)}
+
+        if model == "brain":
+            _, _, id2label = _get_brain_model()
+            labels = list(id2label.values())
+            return {"classes": sorted(labels), "count": len(labels)}
+
         raise HTTPException(404, f"Unknown model: {model}")
     except HTTPException:
         raise

medical_cam.py

@@ -0,0 +1,176 @@
+"""Medical imaging attention/CAM helpers.
+
+Provides:
+- `compute_attention_rollout(model, pixel_values)`: ViT attention rollout
+  (Abnar & Zuidema 2020) — works for any HuggingFace `ViTForImageClassification`
+  whose forward accepts `output_attentions=True`.
+- `cam_to_jet_rgb(cam)`: colorize a [0, 1] heatmap as a jet RGB image.
+- `composite_heatmap_on_rgb(cam, rgb, alpha, gamma)`: blend a jet heatmap
+  on top of an RGB image and return a base64 PNG data-URL.
+
+Decision: for the ViT-based skin / brain classifiers we use **attention
+rollout** rather than Grad-CAM, since these models do not expose the kind
+of intermediate convolutional feature map Grad-CAM expects, but they do
+expose per-head attention weights through HF's `output_attentions=True`.
+"""
+
+from __future__ import annotations
+
+import base64
+import io
+import math
+
+import numpy as np
+import torch
+import torch.nn.functional as F
+from PIL import Image
+
+
+# ───────────────────────── attention rollout ─────────────────────────
+
+
+def compute_attention_rollout(
+    model,
+    pixel_values: torch.Tensor,
+    discard_ratio: float = 0.6,
+    head_fusion: str = "mean",
+) -> np.ndarray:
+    """Run a ViT and return a 2-D attention map (H, W) in [0, 1].
+
+    Args:
+        model: a HuggingFace ViTForImageClassification (or compatible) whose
+            forward accepts `output_attentions=True`.
+        pixel_values: pre-processed input tensor of shape (1, 3, H, W) — the
+            image processor's `pixel_values`.
+        discard_ratio: per-layer fraction of lowest-attention tokens to zero
+            out before rolling up. 0.6–0.9 typical; higher = sharper map.
+        head_fusion: how to combine multi-head attention. One of "mean", "min",
+            "max". "mean" is the original rollout formulation.
+
+    Returns the rolled-up attention from CLS token to image patches, reshaped
+    to a square (n_patches × patch_size, n_patches × patch_size) and
+    normalized to [0, 1]. Caller should resize to the original image size.
+    """
+    if head_fusion not in {"mean", "min", "max"}:
+        raise ValueError(f"head_fusion must be one of mean/min/max, got {head_fusion!r}")
+
+    model.eval()
+    with torch.inference_mode():
+        outputs = model(pixel_values=pixel_values, output_attentions=True)
+    attentions = outputs.attentions  # tuple of (1, heads, seq, seq) per layer
+    if not attentions:
+        raise RuntimeError("Model did not return attentions; ensure it's a ViT-style model.")
+
+    # Roll-up per Abnar & Zuidema (2020): per layer, fuse heads, drop low
+    # attention, mix with identity (residual), normalize, then matmul.
+    seq_len = attentions[0].shape[-1]
+    rollup = torch.eye(seq_len, device=attentions[0].device)
+
+    for attn in attentions:
+        a = attn[0]  # (heads, seq, seq)
+
+        if head_fusion == "mean":
+            fused = a.mean(dim=0)
+        elif head_fusion == "min":
+            fused = a.min(dim=0).values
+        else:  # max
+            fused = a.max(dim=0).values
+
+        # Discard the lowest `discard_ratio` of attention values per row,
+        # but keep CLS-CLS interaction (column 0) intact.
+        if discard_ratio > 0:
+            flat = fused.view(-1)
+            n_drop = int(flat.numel() * discard_ratio)
+            if n_drop > 0:
+                threshold = torch.kthvalue(flat, n_drop).values
+                mask = fused >= threshold
+                # Always keep CLS column to avoid zeroing the entire CLS row
+                mask[:, 0] = True
+                fused = fused * mask.float()
+
+        # Add identity for residual connection, then row-normalize
+        fused = fused + torch.eye(seq_len, device=fused.device)
+        fused = fused / fused.sum(dim=-1, keepdim=True).clamp(min=1e-8)
+
+        rollup = fused @ rollup
+
+    # CLS token's attention to image patches (drop CLS-CLS)
+    cls_attn = rollup[0, 1:]  # (n_patches,)
+    n_patches = cls_attn.shape[0]
+    grid = int(round(math.sqrt(n_patches)))
+    if grid * grid != n_patches:
+        # Some ViTs include extra special tokens; truncate to nearest square.
+        grid = int(math.sqrt(n_patches))
+        cls_attn = cls_attn[: grid * grid]
+
+    cam = cls_attn.reshape(grid, grid).cpu().numpy().astype(np.float32)
+    if cam.max() > 0:
+        cam = (cam - cam.min()) / (cam.max() - cam.min() + 1e-8)
+    return cam
+
+
+# ───────────────────────── colorize + composite ─────────────────────────
+
+
+def cam_to_jet_rgb(cam: np.ndarray) -> np.ndarray:
+    """Map a (H, W) [0, 1] heatmap to a (H, W, 3) uint8 jet RGB array.
+
+    Mirrors the matplotlib jet colormap:
+        0.00 → dark blue, 0.25 → cyan, 0.50 → green, 0.75 → yellow, 1.00 → red.
+    """
+    cam = np.clip(cam, 0.0, 1.0)
+    r = np.clip(1.5 - np.abs(4.0 * cam - 3.0), 0, 1)
+    g = np.clip(1.5 - np.abs(4.0 * cam - 2.0), 0, 1)
+    b = np.clip(1.5 - np.abs(4.0 * cam - 1.0), 0, 1)
+    rgb = np.zeros((*cam.shape, 3), dtype=np.uint8)
+    rgb[..., 0] = (r * 255).astype(np.uint8)
+    rgb[..., 1] = (g * 255).astype(np.uint8)
+    rgb[..., 2] = (b * 255).astype(np.uint8)
+    return rgb
+
+
+def resize_cam(cam: np.ndarray, size: tuple[int, int]) -> np.ndarray:
+    """Bilinear-resize a (H, W) cam to (target_h, target_w)."""
+    target_w, target_h = size
+    t = torch.from_numpy(cam).float().unsqueeze(0).unsqueeze(0)
+    t = F.interpolate(t, size=(target_h, target_w), mode="bilinear", align_corners=False)
+    out = t.squeeze().numpy()
+    if out.max() > 0:
+        out = (out - out.min()) / (out.max() - out.min() + 1e-8)
+    return out
+
+
+def composite_heatmap_on_rgb(
+    cam: np.ndarray,
+    rgb: np.ndarray,
+    alpha: float = 0.45,
+    gamma: float = 0.7,
+) -> str:
+    """Blend a jet heatmap onto an RGB image and return a base64 PNG data-URL.
+
+    Args:
+        cam: (H, W) float in [0, 1] — must already match `rgb` dimensions.
+        rgb: (H, W, 3) uint8 — original RGB image.
+        alpha: weight of the heatmap in the blend (0 = only image, 1 = only heatmap).
+        gamma: gamma on the heatmap (<1 brightens mid-range attention).
+    """
+    if cam.shape != rgb.shape[:2]:
+        raise ValueError(
+            f"cam shape {cam.shape} does not match rgb spatial shape {rgb.shape[:2]}"
+        )
+
+    cam = np.clip(cam, 0.0, 1.0)
+    if cam.max() > 0:
+        cam = (cam - cam.min()) / (cam.max() - cam.min() + 1e-8)
+    cam = np.power(cam, gamma)
+
+    heatmap_rgb = cam_to_jet_rgb(cam).astype(np.float32)
+    base = rgb.astype(np.float32)
+    composite = alpha * heatmap_rgb + (1.0 - alpha) * base
+    composite = np.clip(composite, 0, 255).astype(np.uint8)
+
+    img = Image.fromarray(composite, mode="RGB")
+    buf = io.BytesIO()
+    img.save(buf, format="PNG", optimize=True)
+    b64 = base64.b64encode(buf.getvalue()).decode("ascii")
+    return f"data:image/png;base64,{b64}"

sample_data/heart.csv

@@ -0,0 +1,304 @@
+age,sex,cp,trestbps,chol,fbs,restecg,thalach,exang,oldpeak,slope,ca,thal,num
+63,1,1,145,233,1,2,150,0,2.3,3,0,6,0
+67,1,4,160,286,0,2,108,1,1.5,2,3,3,2
+67,1,4,120,229,0,2,129,1,2.6,2,2,7,1
+37,1,3,130,250,0,0,187,0,3.5,3,0,3,0
+41,0,2,130,204,0,2,172,0,1.4,1,0,3,0
+56,1,2,120,236,0,0,178,0,0.8,1,0,3,0
+62,0,4,140,268,0,2,160,0,3.6,3,2,3,3
+57,0,4,120,354,0,0,163,1,0.6,1,0,3,0
+63,1,4,130,254,0,2,147,0,1.4,2,1,7,2
+53,1,4,140,203,1,2,155,1,3.1,3,0,7,1
+57,1,4,140,192,0,0,148,0,0.4,2,0,6,0
+56,0,2,140,294,0,2,153,0,1.3,2,0,3,0
+56,1,3,130,256,1,2,142,1,0.6,2,1,6,2
+44,1,2,120,263,0,0,173,0,0,1,0,7,0
+52,1,3,172,199,1,0,162,0,0.5,1,0,7,0
+57,1,3,150,168,0,0,174,0,1.6,1,0,3,0
+48,1,2,110,229,0,0,168,0,1,3,0,7,1
+54,1,4,140,239,0,0,160,0,1.2,1,0,3,0
+48,0,3,130,275,0,0,139,0,0.2,1,0,3,0
+49,1,2,130,266,0,0,171,0,0.6,1,0,3,0
+64,1,1,110,211,0,2,144,1,1.8,2,0,3,0
+58,0,1,150,283,1,2,162,0,1,1,0,3,0
+58,1,2,120,284,0,2,160,0,1.8,2,0,3,1
+58,1,3,132,224,0,2,173,0,3.2,1,2,7,3
+60,1,4,130,206,0,2,132,1,2.4,2,2,7,4
+50,0,3,120,219,0,0,158,0,1.6,2,0,3,0
+58,0,3,120,340,0,0,172,0,0,1,0,3,0
+66,0,1,150,226,0,0,114,0,2.6,3,0,3,0
+43,1,4,150,247,0,0,171,0,1.5,1,0,3,0
+40,1,4,110,167,0,2,114,1,2,2,0,7,3
+69,0,1,140,239,0,0,151,0,1.8,1,2,3,0
+60,1,4,117,230,1,0,160,1,1.4,1,2,7,2
+64,1,3,140,335,0,0,158,0,0,1,0,3,1
+59,1,4,135,234,0,0,161,0,0.5,2,0,7,0
+44,1,3,130,233,0,0,179,1,0.4,1,0,3,0
+42,1,4,140,226,0,0,178,0,0,1,0,3,0
+43,1,4,120,177,0,2,120,1,2.5,2,0,7,3
+57,1,4,150,276,0,2,112,1,0.6,2,1,6,1
+55,1,4,132,353,0,0,132,1,1.2,2,1,7,3
+61,1,3,150,243,1,0,137,1,1,2,0,3,0
+65,0,4,150,225,0,2,114,0,1,2,3,7,4
+40,1,1,140,199,0,0,178,1,1.4,1,0,7,0
+71,0,2,160,302,0,0,162,0,0.4,1,2,3,0
+59,1,3,150,212,1,0,157,0,1.6,1,0,3,0
+61,0,4,130,330,0,2,169,0,0,1,0,3,1
+58,1,3,112,230,0,2,165,0,2.5,2,1,7,4
+51,1,3,110,175,0,0,123,0,0.6,1,0,3,0
+50,1,4,150,243,0,2,128,0,2.6,2,0,7,4
+65,0,3,140,417,1,2,157,0,0.8,1,1,3,0
+53,1,3,130,197,1,2,152,0,1.2,3,0,3,0
+41,0,2,105,198,0,0,168,0,0,1,1,3,0
+65,1,4,120,177,0,0,140,0,0.4,1,0,7,0
+44,1,4,112,290,0,2,153,0,0,1,1,3,2
+44,1,2,130,219,0,2,188,0,0,1,0,3,0
+60,1,4,130,253,0,0,144,1,1.4,1,1,7,1
+54,1,4,124,266,0,2,109,1,2.2,2,1,7,1
+50,1,3,140,233,0,0,163,0,0.6,2,1,7,1
+41,1,4,110,172,0,2,158,0,0,1,0,7,1
+54,1,3,125,273,0,2,152,0,0.5,3,1,3,0
+51,1,1,125,213,0,2,125,1,1.4,1,1,3,0
+51,0,4,130,305,0,0,142,1,1.2,2,0,7,2
+46,0,3,142,177,0,2,160,1,1.4,3,0,3,0
+58,1,4,128,216,0,2,131,1,2.2,2,3,7,1
+54,0,3,135,304,1,0,170,0,0,1,0,3,0
+54,1,4,120,188,0,0,113,0,1.4,2,1,7,2
+60,1,4,145,282,0,2,142,1,2.8,2,2,7,2
+60,1,3,140,185,0,2,155,0,3,2,0,3,1
+54,1,3,150,232,0,2,165,0,1.6,1,0,7,0
+59,1,4,170,326,0,2,140,1,3.4,3,0,7,2
+46,1,3,150,231,0,0,147,0,3.6,2,0,3,1
+65,0,3,155,269,0,0,148,0,0.8,1,0,3,0
+67,1,4,125,254,1,0,163,0,0.2,2,2,7,3
+62,1,4,120,267,0,0,99,1,1.8,2,2,7,1
+65,1,4,110,248,0,2,158,0,0.6,1,2,6,1
+44,1,4,110,197,0,2,177,0,0,1,1,3,1
+65,0,3,160,360,0,2,151,0,0.8,1,0,3,0
+60,1,4,125,258,0,2,141,1,2.8,2,1,7,1
+51,0,3,140,308,0,2,142,0,1.5,1,1,3,0
+48,1,2,130,245,0,2,180,0,0.2,2,0,3,0
+58,1,4,150,270,0,2,111,1,0.8,1,0,7,3
+45,1,4,104,208,0,2,148,1,3,2,0,3,0
+53,0,4,130,264,0,2,143,0,0.4,2,0,3,0
+39,1,3,140,321,0,2,182,0,0,1,0,3,0
+68,1,3,180,274,1,2,150,1,1.6,2,0,7,3
+52,1,2,120,325,0,0,172,0,0.2,1,0,3,0
+44,1,3,140,235,0,2,180,0,0,1,0,3,0
+47,1,3,138,257,0,2,156,0,0,1,0,3,0
+53,0,3,128,216,0,2,115,0,0,1,0,NaN,0
+53,0,4,138,234,0,2,160,0,0,1,0,3,0
+51,0,3,130,256,0,2,149,0,0.5,1,0,3,0
+66,1,4,120,302,0,2,151,0,0.4,2,0,3,0
+62,0,4,160,164,0,2,145,0,6.2,3,3,7,3
+62,1,3,130,231,0,0,146,0,1.8,2,3,7,0
+44,0,3,108,141,0,0,175,0,0.6,2,0,3,0
+63,0,3,135,252,0,2,172,0,0,1,0,3,0
+52,1,4,128,255,0,0,161,1,0,1,1,7,1
+59,1,4,110,239,0,2,142,1,1.2,2,1,7,2
+60,0,4,150,258,0,2,157,0,2.6,2,2,7,3
+52,1,2,134,201,0,0,158,0,0.8,1,1,3,0
+48,1,4,122,222,0,2,186,0,0,1,0,3,0
+45,1,4,115,260,0,2,185,0,0,1,0,3,0
+34,1,1,118,182,0,2,174,0,0,1,0,3,0
+57,0,4,128,303,0,2,159,0,0,1,1,3,0
+71,0,3,110,265,1,2,130,0,0,1,1,3,0
+49,1,3,120,188,0,0,139,0,2,2,3,7,3
+54,1,2,108,309,0,0,156,0,0,1,0,7,0
+59,1,4,140,177,0,0,162,1,0,1,1,7,2
+57,1,3,128,229,0,2,150,0,0.4,2,1,7,1
+61,1,4,120,260,0,0,140,1,3.6,2,1,7,2
+39,1,4,118,219,0,0,140,0,1.2,2,0,7,3
+61,0,4,145,307,0,2,146,1,1,2,0,7,1
+56,1,4,125,249,1,2,144,1,1.2,2,1,3,1
+52,1,1,118,186,0,2,190,0,0,2,0,6,0
+43,0,4,132,341,1,2,136,1,3,2,0,7,2
+62,0,3,130,263,0,0,97,0,1.2,2,1,7,2
+41,1,2,135,203,0,0,132,0,0,2,0,6,0
+58,1,3,140,211,1,2,165,0,0,1,0,3,0
+35,0,4,138,183,0,0,182,0,1.4,1,0,3,0
+63,1,4,130,330,1,2,132,1,1.8,1,3,7,3
+65,1,4,135,254,0,2,127,0,2.8,2,1,7,2
+48,1,4,130,256,1,2,150,1,0,1,2,7,3
+63,0,4,150,407,0,2,154,0,4,2,3,7,4
+51,1,3,100,222,0,0,143,1,1.2,2,0,3,0
+55,1,4,140,217,0,0,111,1,5.6,3,0,7,3
+65,1,1,138,282,1,2,174,0,1.4,2,1,3,1
+45,0,2,130,234,0,2,175,0,0.6,2,0,3,0
+56,0,4,200,288,1,2,133,1,4,3,2,7,3
+54,1,4,110,239,0,0,126,1,2.8,2,1,7,3
+44,1,2,120,220,0,0,170,0,0,1,0,3,0
+62,0,4,124,209,0,0,163,0,0,1,0,3,0
+54,1,3,120,258,0,2,147,0,0.4,2,0,7,0
+51,1,3,94,227,0,0,154,1,0,1,1,7,0
+29,1,2,130,204,0,2,202,0,0,1,0,3,0
+51,1,4,140,261,0,2,186,1,0,1,0,3,0
+43,0,3,122,213,0,0,165,0,0.2,2,0,3,0
+55,0,2,135,250,0,2,161,0,1.4,2,0,3,0
+70,1,4,145,174,0,0,125,1,2.6,3,0,7,4
+62,1,2,120,281,0,2,103,0,1.4,2,1,7,3
+35,1,4,120,198,0,0,130,1,1.6,2,0,7,1
+51,1,3,125,245,1,2,166,0,2.4,2,0,3,0
+59,1,2,140,221,0,0,164,1,0,1,0,3,0
+59,1,1,170,288,0,2,159,0,0.2,2,0,7,1
+52,1,2,128,205,1,0,184,0,0,1,0,3,0
+64,1,3,125,309,0,0,131,1,1.8,2,0,7,1
+58,1,3,105,240,0,2,154,1,0.6,2,0,7,0
+47,1,3,108,243,0,0,152,0,0,1,0,3,1
+57,1,4,165,289,1,2,124,0,1,2,3,7,4
+41,1,3,112,250,0,0,179,0,0,1,0,3,0
+45,1,2,128,308,0,2,170,0,0,1,0,3,0
+60,0,3,102,318,0,0,160,0,0,1,1,3,0
+52,1,1,152,298,1,0,178,0,1.2,2,0,7,0
+42,0,4,102,265,0,2,122,0,0.6,2,0,3,0
+67,0,3,115,564,0,2,160,0,1.6,2,0,7,0
+55,1,4,160,289,0,2,145,1,0.8,2,1,7,4
+64,1,4,120,246,0,2,96,1,2.2,3,1,3,3
+70,1,4,130,322,0,2,109,0,2.4,2,3,3,1
+51,1,4,140,299,0,0,173,1,1.6,1,0,7,1
+58,1,4,125,300,0,2,171,0,0,1,2,7,1
+60,1,4,140,293,0,2,170,0,1.2,2,2,7,2
+68,1,3,118,277,0,0,151,0,1,1,1,7,0
+46,1,2,101,197,1,0,156,0,0,1,0,7,0
+77,1,4,125,304,0,2,162,1,0,1,3,3,4
+54,0,3,110,214,0,0,158,0,1.6,2,0,3,0
+58,0,4,100,248,0,2,122,0,1,2,0,3,0
+48,1,3,124,255,1,0,175,0,0,1,2,3,0
+57,1,4,132,207,0,0,168,1,0,1,0,7,0
+52,1,3,138,223,0,0,169,0,0,1,NaN,3,0
+54,0,2,132,288,1,2,159,1,0,1,1,3,0
+35,1,4,126,282,0,2,156,1,0,1,0,7,1
+45,0,2,112,160,0,0,138,0,0,2,0,3,0
+70,1,3,160,269,0,0,112,1,2.9,2,1,7,3
+53,1,4,142,226,0,2,111,1,0,1,0,7,0
+59,0,4,174,249,0,0,143,1,0,2,0,3,1
+62,0,4,140,394,0,2,157,0,1.2,2,0,3,0
+64,1,4,145,212,0,2,132,0,2,2,2,6,4
+57,1,4,152,274,0,0,88,1,1.2,2,1,7,1
+52,1,4,108,233,1,0,147,0,0.1,1,3,7,0
+56,1,4,132,184,0,2,105,1,2.1,2,1,6,1
+43,1,3,130,315,0,0,162,0,1.9,1,1,3,0
+53,1,3,130,246,1,2,173,0,0,1,3,3,0
+48,1,4,124,274,0,2,166,0,0.5,2,0,7,3
+56,0,4,134,409,0,2,150,1,1.9,2,2,7,2
+42,1,1,148,244,0,2,178,0,0.8,1,2,3,0
+59,1,1,178,270,0,2,145,0,4.2,3,0,7,0
+60,0,4,158,305,0,2,161,0,0,1,0,3,1
+63,0,2,140,195,0,0,179,0,0,1,2,3,0
+42,1,3,120,240,1,0,194,0,0.8,3,0,7,0
+66,1,2,160,246,0,0,120,1,0,2,3,6,2
+54,1,2,192,283,0,2,195,0,0,1,1,7,1
+69,1,3,140,254,0,2,146,0,2,2,3,7,2
+50,1,3,129,196,0,0,163,0,0,1,0,3,0
+51,1,4,140,298,0,0,122,1,4.2,2,3,7,3
+43,1,4,132,247,1,2,143,1,0.1,2,NaN,7,1
+62,0,4,138,294,1,0,106,0,1.9,2,3,3,2
+68,0,3,120,211,0,2,115,0,1.5,2,0,3,0
+67,1,4,100,299,0,2,125,1,0.9,2,2,3,3
+69,1,1,160,234,1,2,131,0,0.1,2,1,3,0
+45,0,4,138,236,0,2,152,1,0.2,2,0,3,0
+50,0,2,120,244,0,0,162,0,1.1,1,0,3,0
+59,1,1,160,273,0,2,125,0,0,1,0,3,1
+50,0,4,110,254,0,2,159,0,0,1,0,3,0
+64,0,4,180,325,0,0,154,1,0,1,0,3,0
+57,1,3,150,126,1,0,173,0,0.2,1,1,7,0
+64,0,3,140,313,0,0,133,0,0.2,1,0,7,0
+43,1,4,110,211,0,0,161,0,0,1,0,7,0
+45,1,4,142,309,0,2,147,1,0,2,3,7,3
+58,1,4,128,259,0,2,130,1,3,2,2,7,3
+50,1,4,144,200,0,2,126,1,0.9,2,0,7,3
+55,1,2,130,262,0,0,155,0,0,1,0,3,0
+62,0,4,150,244,0,0,154,1,1.4,2,0,3,1
+37,0,3,120,215,0,0,170,0,0,1,0,3,0
+38,1,1,120,231,0,0,182,1,3.8,2,0,7,4
+41,1,3,130,214,0,2,168,0,2,2,0,3,0
+66,0,4,178,228,1,0,165,1,1,2,2,7,3
+52,1,4,112,230,0,0,160,0,0,1,1,3,1
+56,1,1,120,193,0,2,162,0,1.9,2,0,7,0
+46,0,2,105,204,0,0,172,0,0,1,0,3,0
+46,0,4,138,243,0,2,152,1,0,2,0,3,0
+64,0,4,130,303,0,0,122,0,2,2,2,3,0
+59,1,4,138,271,0,2,182,0,0,1,0,3,0
+41,0,3,112,268,0,2,172,1,0,1,0,3,0
+54,0,3,108,267,0,2,167,0,0,1,0,3,0
+39,0,3,94,199,0,0,179,0,0,1,0,3,0
+53,1,4,123,282,0,0,95,1,2,2,2,7,3
+63,0,4,108,269,0,0,169,1,1.8,2,2,3,1
+34,0,2,118,210,0,0,192,0,0.7,1,0,3,0
+47,1,4,112,204,0,0,143,0,0.1,1,0,3,0
+67,0,3,152,277,0,0,172,0,0,1,1,3,0
+54,1,4,110,206,0,2,108,1,0,2,1,3,3
+66,1,4,112,212,0,2,132,1,0.1,1,1,3,2
+52,0,3,136,196,0,2,169,0,0.1,2,0,3,0
+55,0,4,180,327,0,1,117,1,3.4,2,0,3,2
+49,1,3,118,149,0,2,126,0,0.8,1,3,3,1
+74,0,2,120,269,0,2,121,1,0.2,1,1,3,0
+54,0,3,160,201,0,0,163,0,0,1,1,3,0
+54,1,4,122,286,0,2,116,1,3.2,2,2,3,3
+56,1,4,130,283,1,2,103,1,1.6,3,0,7,2
+46,1,4,120,249,0,2,144,0,0.8,1,0,7,1
+49,0,2,134,271,0,0,162,0,0,2,0,3,0
+42,1,2,120,295,0,0,162,0,0,1,0,3,0
+41,1,2,110,235,0,0,153,0,0,1,0,3,0
+41,0,2,126,306,0,0,163,0,0,1,0,3,0
+49,0,4,130,269,0,0,163,0,0,1,0,3,0
+61,1,1,134,234,0,0,145,0,2.6,2,2,3,2
+60,0,3,120,178,1,0,96,0,0,1,0,3,0
+67,1,4,120,237,0,0,71,0,1,2,0,3,2
+58,1,4,100,234,0,0,156,0,0.1,1,1,7,2
+47,1,4,110,275,0,2,118,1,1,2,1,3,1
+52,1,4,125,212,0,0,168,0,1,1,2,7,3
+62,1,2,128,208,1,2,140,0,0,1,0,3,0
+57,1,4,110,201,0,0,126,1,1.5,2,0,6,0
+58,1,4,146,218,0,0,105,0,2,2,1,7,1
+64,1,4,128,263,0,0,105,1,0.2,2,1,7,0
+51,0,3,120,295,0,2,157,0,0.6,1,0,3,0
+43,1,4,115,303,0,0,181,0,1.2,2,0,3,0
+42,0,3,120,209,0,0,173,0,0,2,0,3,0
+67,0,4,106,223,0,0,142,0,0.3,1,2,3,0
+76,0,3,140,197,0,1,116,0,1.1,2,0,3,0
+70,1,2,156,245,0,2,143,0,0,1,0,3,0
+57,1,2,124,261,0,0,141,0,0.3,1,0,7,1
+44,0,3,118,242,0,0,149,0,0.3,2,1,3,0
+58,0,2,136,319,1,2,152,0,0,1,2,3,3
+60,0,1,150,240,0,0,171,0,0.9,1,0,3,0
+44,1,3,120,226,0,0,169,0,0,1,0,3,0
+61,1,4,138,166,0,2,125,1,3.6,2,1,3,4
+42,1,4,136,315,0,0,125,1,1.8,2,0,6,2
+52,1,4,128,204,1,0,156,1,1,2,0,NaN,2
+59,1,3,126,218,1,0,134,0,2.2,2,1,6,2
+40,1,4,152,223,0,0,181,0,0,1,0,7,1
+42,1,3,130,180,0,0,150,0,0,1,0,3,0
+61,1,4,140,207,0,2,138,1,1.9,1,1,7,1
+66,1,4,160,228,0,2,138,0,2.3,1,0,6,0
+46,1,4,140,311,0,0,120,1,1.8,2,2,7,2
+71,0,4,112,149,0,0,125,0,1.6,2,0,3,0
+59,1,1,134,204,0,0,162,0,0.8,1,2,3,1
+64,1,1,170,227,0,2,155,0,0.6,2,0,7,0
+66,0,3,146,278,0,2,152,0,0,2,1,3,0
+39,0,3,138,220,0,0,152,0,0,2,0,3,0
+57,1,2,154,232,0,2,164,0,0,1,1,3,1
+58,0,4,130,197,0,0,131,0,0.6,2,0,3,0
+57,1,4,110,335,0,0,143,1,3,2,1,7,2
+47,1,3,130,253,0,0,179,0,0,1,0,3,0
+55,0,4,128,205,0,1,130,1,2,2,1,7,3
+35,1,2,122,192,0,0,174,0,0,1,0,3,0
+61,1,4,148,203,0,0,161,0,0,1,1,7,2
+58,1,4,114,318,0,1,140,0,4.4,3,3,6,4
+58,0,4,170,225,1,2,146,1,2.8,2,2,6,2
+58,1,2,125,220,0,0,144,0,0.4,2,NaN,7,0
+56,1,2,130,221,0,2,163,0,0,1,0,7,0
+56,1,2,120,240,0,0,169,0,0,3,0,3,0
+67,1,3,152,212,0,2,150,0,0.8,2,0,7,1
+55,0,2,132,342,0,0,166,0,1.2,1,0,3,0
+44,1,4,120,169,0,0,144,1,2.8,3,0,6,2
+63,1,4,140,187,0,2,144,1,4,1,2,7,2
+63,0,4,124,197,0,0,136,1,0,2,0,3,1
+41,1,2,120,157,0,0,182,0,0,1,0,3,0
+59,1,4,164,176,1,2,90,0,1,2,2,6,3
+57,0,4,140,241,0,0,123,1,0.2,2,0,7,1
+45,1,1,110,264,0,0,132,0,1.2,2,0,7,1
+68,1,4,144,193,1,0,141,0,3.4,2,2,7,2
+57,1,4,130,131,0,0,115,1,1.2,2,1,7,3
+57,0,2,130,236,0,2,174,0,0,2,1,3,1
+38,1,3,138,175,0,0,173,0,0,1,NaN,3,0

sample_data/wine_red.csv

@@ -0,0 +1,1600 @@
+"fixed acidity";"volatile acidity";"citric acid";"residual sugar";"chlorides";"free sulfur dioxide";"total sulfur dioxide";"density";"pH";"sulphates";"alcohol";"quality"
+7.4;0.7;0;1.9;0.076;11;34;0.9978;3.51;0.56;9.4;5
+7.8;0.88;0;2.6;0.098;25;67;0.9968;3.2;0.68;9.8;5
+7.8;0.76;0.04;2.3;0.092;15;54;0.997;3.26;0.65;9.8;5
+11.2;0.28;0.56;1.9;0.075;17;60;0.998;3.16;0.58;9.8;6
+7.4;0.7;0;1.9;0.076;11;34;0.9978;3.51;0.56;9.4;5
+7.4;0.66;0;1.8;0.075;13;40;0.9978;3.51;0.56;9.4;5
+7.9;0.6;0.06;1.6;0.069;15;59;0.9964;3.3;0.46;9.4;5
+7.3;0.65;0;1.2;0.065;15;21;0.9946;3.39;0.47;10;7
+7.8;0.58;0.02;2;0.073;9;18;0.9968;3.36;0.57;9.5;7
+7.5;0.5;0.36;6.1;0.071;17;102;0.9978;3.35;0.8;10.5;5
+6.7;0.58;0.08;1.8;0.097;15;65;0.9959;3.28;0.54;9.2;5
+7.5;0.5;0.36;6.1;0.071;17;102;0.9978;3.35;0.8;10.5;5
+5.6;0.615;0;1.6;0.089;16;59;0.9943;3.58;0.52;9.9;5
+7.8;0.61;0.29;1.6;0.114;9;29;0.9974;3.26;1.56;9.1;5
+8.9;0.62;0.18;3.8;0.176;52;145;0.9986;3.16;0.88;9.2;5
+8.9;0.62;0.19;3.9;0.17;51;148;0.9986;3.17;0.93;9.2;5
+8.5;0.28;0.56;1.8;0.092;35;103;0.9969;3.3;0.75;10.5;7
+8.1;0.56;0.28;1.7;0.368;16;56;0.9968;3.11;1.28;9.3;5
+7.4;0.59;0.08;4.4;0.086;6;29;0.9974;3.38;0.5;9;4
+7.9;0.32;0.51;1.8;0.341;17;56;0.9969;3.04;1.08;9.2;6
+8.9;0.22;0.48;1.8;0.077;29;60;0.9968;3.39;0.53;9.4;6
+7.6;0.39;0.31;2.3;0.082;23;71;0.9982;3.52;0.65;9.7;5
+7.9;0.43;0.21;1.6;0.106;10;37;0.9966;3.17;0.91;9.5;5
+8.5;0.49;0.11;2.3;0.084;9;67;0.9968;3.17;0.53;9.4;5
+6.9;0.4;0.14;2.4;0.085;21;40;0.9968;3.43;0.63;9.7;6
+6.3;0.39;0.16;1.4;0.08;11;23;0.9955;3.34;0.56;9.3;5
+7.6;0.41;0.24;1.8;0.08;4;11;0.9962;3.28;0.59;9.5;5
+7.9;0.43;0.21;1.6;0.106;10;37;0.9966;3.17;0.91;9.5;5
+7.1;0.71;0;1.9;0.08;14;35;0.9972;3.47;0.55;9.4;5
+7.8;0.645;0;2;0.082;8;16;0.9964;3.38;0.59;9.8;6
+6.7;0.675;0.07;2.4;0.089;17;82;0.9958;3.35;0.54;10.1;5
+6.9;0.685;0;2.5;0.105;22;37;0.9966;3.46;0.57;10.6;6
+8.3;0.655;0.12;2.3;0.083;15;113;0.9966;3.17;0.66;9.8;5
+6.9;0.605;0.12;10.7;0.073;40;83;0.9993;3.45;0.52;9.4;6
+5.2;0.32;0.25;1.8;0.103;13;50;0.9957;3.38;0.55;9.2;5
+7.8;0.645;0;5.5;0.086;5;18;0.9986;3.4;0.55;9.6;6
+7.8;0.6;0.14;2.4;0.086;3;15;0.9975;3.42;0.6;10.8;6
+8.1;0.38;0.28;2.1;0.066;13;30;0.9968;3.23;0.73;9.7;7
+5.7;1.13;0.09;1.5;0.172;7;19;0.994;3.5;0.48;9.8;4
+7.3;0.45;0.36;5.9;0.074;12;87;0.9978;3.33;0.83;10.5;5
+7.3;0.45;0.36;5.9;0.074;12;87;0.9978;3.33;0.83;10.5;5
+8.8;0.61;0.3;2.8;0.088;17;46;0.9976;3.26;0.51;9.3;4
+7.5;0.49;0.2;2.6;0.332;8;14;0.9968;3.21;0.9;10.5;6
+8.1;0.66;0.22;2.2;0.069;9;23;0.9968;3.3;1.2;10.3;5
+6.8;0.67;0.02;1.8;0.05;5;11;0.9962;3.48;0.52;9.5;5
+4.6;0.52;0.15;2.1;0.054;8;65;0.9934;3.9;0.56;13.1;4
+7.7;0.935;0.43;2.2;0.114;22;114;0.997;3.25;0.73;9.2;5
+8.7;0.29;0.52;1.6;0.113;12;37;0.9969;3.25;0.58;9.5;5
+6.4;0.4;0.23;1.6;0.066;5;12;0.9958;3.34;0.56;9.2;5
+5.6;0.31;0.37;1.4;0.074;12;96;0.9954;3.32;0.58;9.2;5
+8.8;0.66;0.26;1.7;0.074;4;23;0.9971;3.15;0.74;9.2;5
+6.6;0.52;0.04;2.2;0.069;8;15;0.9956;3.4;0.63;9.4;6
+6.6;0.5;0.04;2.1;0.068;6;14;0.9955;3.39;0.64;9.4;6
+8.6;0.38;0.36;3;0.081;30;119;0.997;3.2;0.56;9.4;5
+7.6;0.51;0.15;2.8;0.11;33;73;0.9955;3.17;0.63;10.2;6
+7.7;0.62;0.04;3.8;0.084;25;45;0.9978;3.34;0.53;9.5;5
+10.2;0.42;0.57;3.4;0.07;4;10;0.9971;3.04;0.63;9.6;5
+7.5;0.63;0.12;5.1;0.111;50;110;0.9983;3.26;0.77;9.4;5
+7.8;0.59;0.18;2.3;0.076;17;54;0.9975;3.43;0.59;10;5
+7.3;0.39;0.31;2.4;0.074;9;46;0.9962;3.41;0.54;9.4;6
+8.8;0.4;0.4;2.2;0.079;19;52;0.998;3.44;0.64;9.2;5
+7.7;0.69;0.49;1.8;0.115;20;112;0.9968;3.21;0.71;9.3;5
+7.5;0.52;0.16;1.9;0.085;12;35;0.9968;3.38;0.62;9.5;7
+7;0.735;0.05;2;0.081;13;54;0.9966;3.39;0.57;9.8;5
+7.2;0.725;0.05;4.65;0.086;4;11;0.9962;3.41;0.39;10.9;5
+7.2;0.725;0.05;4.65;0.086;4;11;0.9962;3.41;0.39;10.9;5
+7.5;0.52;0.11;1.5;0.079;11;39;0.9968;3.42;0.58;9.6;5
+6.6;0.705;0.07;1.6;0.076;6;15;0.9962;3.44;0.58;10.7;5
+9.3;0.32;0.57;2;0.074;27;65;0.9969;3.28;0.79;10.7;5
+8;0.705;0.05;1.9;0.074;8;19;0.9962;3.34;0.95;10.5;6
+7.7;0.63;0.08;1.9;0.076;15;27;0.9967;3.32;0.54;9.5;6
+7.7;0.67;0.23;2.1;0.088;17;96;0.9962;3.32;0.48;9.5;5
+7.7;0.69;0.22;1.9;0.084;18;94;0.9961;3.31;0.48;9.5;5
+8.3;0.675;0.26;2.1;0.084;11;43;0.9976;3.31;0.53;9.2;4
+9.7;0.32;0.54;2.5;0.094;28;83;0.9984;3.28;0.82;9.6;5
+8.8;0.41;0.64;2.2;0.093;9;42;0.9986;3.54;0.66;10.5;5
+8.8;0.41;0.64;2.2;0.093;9;42;0.9986;3.54;0.66;10.5;5
+6.8;0.785;0;2.4;0.104;14;30;0.9966;3.52;0.55;10.7;6
+6.7;0.75;0.12;2;0.086;12;80;0.9958;3.38;0.52;10.1;5
+8.3;0.625;0.2;1.5;0.08;27;119;0.9972;3.16;1.12;9.1;4
+6.2;0.45;0.2;1.6;0.069;3;15;0.9958;3.41;0.56;9.2;5
+7.8;0.43;0.7;1.9;0.464;22;67;0.9974;3.13;1.28;9.4;5
+7.4;0.5;0.47;2;0.086;21;73;0.997;3.36;0.57;9.1;5
+7.3;0.67;0.26;1.8;0.401;16;51;0.9969;3.16;1.14;9.4;5
+6.3;0.3;0.48;1.8;0.069;18;61;0.9959;3.44;0.78;10.3;6
+6.9;0.55;0.15;2.2;0.076;19;40;0.9961;3.41;0.59;10.1;5
+8.6;0.49;0.28;1.9;0.11;20;136;0.9972;2.93;1.95;9.9;6
+7.7;0.49;0.26;1.9;0.062;9;31;0.9966;3.39;0.64;9.6;5
+9.3;0.39;0.44;2.1;0.107;34;125;0.9978;3.14;1.22;9.5;5
+7;0.62;0.08;1.8;0.076;8;24;0.9978;3.48;0.53;9;5
+7.9;0.52;0.26;1.9;0.079;42;140;0.9964;3.23;0.54;9.5;5
+8.6;0.49;0.28;1.9;0.11;20;136;0.9972;2.93;1.95;9.9;6
+8.6;0.49;0.29;2;0.11;19;133;0.9972;2.93;1.98;9.8;5
+7.7;0.49;0.26;1.9;0.062;9;31;0.9966;3.39;0.64;9.6;5
+5;1.02;0.04;1.4;0.045;41;85;0.9938;3.75;0.48;10.5;4
+4.7;0.6;0.17;2.3;0.058;17;106;0.9932;3.85;0.6;12.9;6
+6.8;0.775;0;3;0.102;8;23;0.9965;3.45;0.56;10.7;5
+7;0.5;0.25;2;0.07;3;22;0.9963;3.25;0.63;9.2;5
+7.6;0.9;0.06;2.5;0.079;5;10;0.9967;3.39;0.56;9.8;5
+8.1;0.545;0.18;1.9;0.08;13;35;0.9972;3.3;0.59;9;6
+8.3;0.61;0.3;2.1;0.084;11;50;0.9972;3.4;0.61;10.2;6
+7.8;0.5;0.3;1.9;0.075;8;22;0.9959;3.31;0.56;10.4;6
+8.1;0.545;0.18;1.9;0.08;13;35;0.9972;3.3;0.59;9;6
+8.1;0.575;0.22;2.1;0.077;12;65;0.9967;3.29;0.51;9.2;5
+7.2;0.49;0.24;2.2;0.07;5;36;0.996;3.33;0.48;9.4;5
+8.1;0.575;0.22;2.1;0.077;12;65;0.9967;3.29;0.51;9.2;5
+7.8;0.41;0.68;1.7;0.467;18;69;0.9973;3.08;1.31;9.3;5
+6.2;0.63;0.31;1.7;0.088;15;64;0.9969;3.46;0.79;9.3;5
+8;0.33;0.53;2.5;0.091;18;80;0.9976;3.37;0.8;9.6;6
+8.1;0.785;0.52;2;0.122;37;153;0.9969;3.21;0.69;9.3;5
+7.8;0.56;0.19;1.8;0.104;12;47;0.9964;3.19;0.93;9.5;5
+8.4;0.62;0.09;2.2;0.084;11;108;0.9964;3.15;0.66;9.8;5
+8.4;0.6;0.1;2.2;0.085;14;111;0.9964;3.15;0.66;9.8;5
+10.1;0.31;0.44;2.3;0.08;22;46;0.9988;3.32;0.67;9.7;6
+7.8;0.56;0.19;1.8;0.104;12;47;0.9964;3.19;0.93;9.5;5
+9.4;0.4;0.31;2.2;0.09;13;62;0.9966;3.07;0.63;10.5;6
+8.3;0.54;0.28;1.9;0.077;11;40;0.9978;3.39;0.61;10;6
+7.8;0.56;0.12;2;0.082;7;28;0.997;3.37;0.5;9.4;6
+8.8;0.55;0.04;2.2;0.119;14;56;0.9962;3.21;0.6;10.9;6
+7;0.69;0.08;1.8;0.097;22;89;0.9959;3.34;0.54;9.2;6
+7.3;1.07;0.09;1.7;0.178;10;89;0.9962;3.3;0.57;9;5
+8.8;0.55;0.04;2.2;0.119;14;56;0.9962;3.21;0.6;10.9;6
+7.3;0.695;0;2.5;0.075;3;13;0.998;3.49;0.52;9.2;5
+8;0.71;0;2.6;0.08;11;34;0.9976;3.44;0.53;9.5;5
+7.8;0.5;0.17;1.6;0.082;21;102;0.996;3.39;0.48;9.5;5
+9;0.62;0.04;1.9;0.146;27;90;0.9984;3.16;0.7;9.4;5
+8.2;1.33;0;1.7;0.081;3;12;0.9964;3.53;0.49;10.9;5
+8.1;1.33;0;1.8;0.082;3;12;0.9964;3.54;0.48;10.9;5
+8;0.59;0.16;1.8;0.065;3;16;0.9962;3.42;0.92;10.5;7
+6.1;0.38;0.15;1.8;0.072;6;19;0.9955;3.42;0.57;9.4;5
+8;0.745;0.56;2;0.118;30;134;0.9968;3.24;0.66;9.4;5
+5.6;0.5;0.09;2.3;0.049;17;99;0.9937;3.63;0.63;13;5
+5.6;0.5;0.09;2.3;0.049;17;99;0.9937;3.63;0.63;13;5
+6.6;0.5;0.01;1.5;0.06;17;26;0.9952;3.4;0.58;9.8;6
+7.9;1.04;0.05;2.2;0.084;13;29;0.9959;3.22;0.55;9.9;6
+8.4;0.745;0.11;1.9;0.09;16;63;0.9965;3.19;0.82;9.6;5
+8.3;0.715;0.15;1.8;0.089;10;52;0.9968;3.23;0.77;9.5;5
+7.2;0.415;0.36;2;0.081;13;45;0.9972;3.48;0.64;9.2;5
+7.8;0.56;0.19;2.1;0.081;15;105;0.9962;3.33;0.54;9.5;5
+7.8;0.56;0.19;2;0.081;17;108;0.9962;3.32;0.54;9.5;5
+8.4;0.745;0.11;1.9;0.09;16;63;0.9965;3.19;0.82;9.6;5
+8.3;0.715;0.15;1.8;0.089;10;52;0.9968;3.23;0.77;9.5;5
+5.2;0.34;0;1.8;0.05;27;63;0.9916;3.68;0.79;14;6
+6.3;0.39;0.08;1.7;0.066;3;20;0.9954;3.34;0.58;9.4;5
+5.2;0.34;0;1.8;0.05;27;63;0.9916;3.68;0.79;14;6
+8.1;0.67;0.55;1.8;0.117;32;141;0.9968;3.17;0.62;9.4;5
+5.8;0.68;0.02;1.8;0.087;21;94;0.9944;3.54;0.52;10;5
+7.6;0.49;0.26;1.6;0.236;10;88;0.9968;3.11;0.8;9.3;5
+6.9;0.49;0.1;2.3;0.074;12;30;0.9959;3.42;0.58;10.2;6
+8.2;0.4;0.44;2.8;0.089;11;43;0.9975;3.53;0.61;10.5;6
+7.3;0.33;0.47;2.1;0.077;5;11;0.9958;3.33;0.53;10.3;6
+9.2;0.52;1;3.4;0.61;32;69;0.9996;2.74;2.0;9.4;4
+7.5;0.6;0.03;1.8;0.095;25;99;0.995;3.35;0.54;10.1;5
+7.5;0.6;0.03;1.8;0.095;25;99;0.995;3.35;0.54;10.1;5
+7.1;0.43;0.42;5.5;0.07;29;129;0.9973;3.42;0.72;10.5;5
+7.1;0.43;0.42;5.5;0.071;28;128;0.9973;3.42;0.71;10.5;5
+7.1;0.43;0.42;5.5;0.07;29;129;0.9973;3.42;0.72;10.5;5
+7.1;0.43;0.42;5.5;0.071;28;128;0.9973;3.42;0.71;10.5;5
+7.1;0.68;0;2.2;0.073;12;22;0.9969;3.48;0.5;9.3;5
+6.8;0.6;0.18;1.9;0.079;18;86;0.9968;3.59;0.57;9.3;6
+7.6;0.95;0.03;2;0.09;7;20;0.9959;3.2;0.56;9.6;5
+7.6;0.68;0.02;1.3;0.072;9;20;0.9965;3.17;1.08;9.2;4
+7.8;0.53;0.04;1.7;0.076;17;31;0.9964;3.33;0.56;10;6
+7.4;0.6;0.26;7.3;0.07;36;121;0.9982;3.37;0.49;9.4;5
+7.3;0.59;0.26;7.2;0.07;35;121;0.9981;3.37;0.49;9.4;5
+7.8;0.63;0.48;1.7;0.1;14;96;0.9961;3.19;0.62;9.5;5
+6.8;0.64;0.1;2.1;0.085;18;101;0.9956;3.34;0.52;10.2;5
+7.3;0.55;0.03;1.6;0.072;17;42;0.9956;3.37;0.48;9;4
+6.8;0.63;0.07;2.1;0.089;11;44;0.9953;3.47;0.55;10.4;6
+7.5;0.705;0.24;1.8;0.36;15;63;0.9964;3;1.59;9.5;5
+7.9;0.885;0.03;1.8;0.058;4;8;0.9972;3.36;0.33;9.1;4
+8;0.42;0.17;2;0.073;6;18;0.9972;3.29;0.61;9.2;6
+8;0.42;0.17;2;0.073;6;18;0.9972;3.29;0.61;9.2;6
+7.4;0.62;0.05;1.9;0.068;24;42;0.9961;3.42;0.57;11.5;6
+7.3;0.38;0.21;2;0.08;7;35;0.9961;3.33;0.47;9.5;5
+6.9;0.5;0.04;1.5;0.085;19;49;0.9958;3.35;0.78;9.5;5
+7.3;0.38;0.21;2;0.08;7;35;0.9961;3.33;0.47;9.5;5
+7.5;0.52;0.42;2.3;0.087;8;38;0.9972;3.58;0.61;10.5;6
+7;0.805;0;2.5;0.068;7;20;0.9969;3.48;0.56;9.6;5
+8.8;0.61;0.14;2.4;0.067;10;42;0.9969;3.19;0.59;9.5;5
+8.8;0.61;0.14;2.4;0.067;10;42;0.9969;3.19;0.59;9.5;5
+8.9;0.61;0.49;2;0.27;23;110;0.9972;3.12;1.02;9.3;5
+7.2;0.73;0.02;2.5;0.076;16;42;0.9972;3.44;0.52;9.3;5
+6.8;0.61;0.2;1.8;0.077;11;65;0.9971;3.54;0.58;9.3;5
+6.7;0.62;0.21;1.9;0.079;8;62;0.997;3.52;0.58;9.3;6
+8.9;0.31;0.57;2;0.111;26;85;0.9971;3.26;0.53;9.7;5
+7.4;0.39;0.48;2;0.082;14;67;0.9972;3.34;0.55;9.2;5
+7.7;0.705;0.1;2.6;0.084;9;26;0.9976;3.39;0.49;9.7;5
+7.9;0.5;0.33;2;0.084;15;143;0.9968;3.2;0.55;9.5;5
+7.9;0.49;0.32;1.9;0.082;17;144;0.9968;3.2;0.55;9.5;5
+8.2;0.5;0.35;2.9;0.077;21;127;0.9976;3.23;0.62;9.4;5
+6.4;0.37;0.25;1.9;0.074;21;49;0.9974;3.57;0.62;9.8;6
+6.8;0.63;0.12;3.8;0.099;16;126;0.9969;3.28;0.61;9.5;5
+7.6;0.55;0.21;2.2;0.071;7;28;0.9964;3.28;0.55;9.7;5
+7.6;0.55;0.21;2.2;0.071;7;28;0.9964;3.28;0.55;9.7;5
+7.8;0.59;0.33;2;0.074;24;120;0.9968;3.25;0.54;9.4;5
+7.3;0.58;0.3;2.4;0.074;15;55;0.9968;3.46;0.59;10.2;5
+11.5;0.3;0.6;2;0.067;12;27;0.9981;3.11;0.97;10.1;6
+5.4;0.835;0.08;1.2;0.046;13;93;0.9924;3.57;0.85;13;7
+6.9;1.09;0.06;2.1;0.061;12;31;0.9948;3.51;0.43;11.4;4
+9.6;0.32;0.47;1.4;0.056;9;24;0.99695;3.22;0.82;10.3;7
+8.8;0.37;0.48;2.1;0.097;39;145;0.9975;3.04;1.03;9.3;5
+6.8;0.5;0.11;1.5;0.075;16;49;0.99545;3.36;0.79;9.5;5
+7;0.42;0.35;1.6;0.088;16;39;0.9961;3.34;0.55;9.2;5
+7;0.43;0.36;1.6;0.089;14;37;0.99615;3.34;0.56;9.2;6
+12.8;0.3;0.74;2.6;0.095;9;28;0.9994;3.2;0.77;10.8;7
+12.8;0.3;0.74;2.6;0.095;9;28;0.9994;3.2;0.77;10.8;7
+7.8;0.57;0.31;1.8;0.069;26;120;0.99625;3.29;0.53;9.3;5
+7.8;0.44;0.28;2.7;0.1;18;95;0.9966;3.22;0.67;9.4;5
+11;0.3;0.58;2.1;0.054;7;19;0.998;3.31;0.88;10.5;7
+9.7;0.53;0.6;2;0.039;5;19;0.99585;3.3;0.86;12.4;6
+8;0.725;0.24;2.8;0.083;10;62;0.99685;3.35;0.56;10;6
+11.6;0.44;0.64;2.1;0.059;5;15;0.998;3.21;0.67;10.2;6
+8.2;0.57;0.26;2.2;0.06;28;65;0.9959;3.3;0.43;10.1;5
+7.8;0.735;0.08;2.4;0.092;10;41;0.9974;3.24;0.71;9.8;6
+7;0.49;0.49;5.6;0.06;26;121;0.9974;3.34;0.76;10.5;5
+8.7;0.625;0.16;2;0.101;13;49;0.9962;3.14;0.57;11;5
+8.1;0.725;0.22;2.2;0.072;11;41;0.9967;3.36;0.55;9.1;5
+7.5;0.49;0.19;1.9;0.076;10;44;0.9957;3.39;0.54;9.7;5
+7.8;0.53;0.33;2.4;0.08;24;144;0.99655;3.3;0.6;9.5;5
+7.8;0.34;0.37;2;0.082;24;58;0.9964;3.34;0.59;9.4;6
+7.4;0.53;0.26;2;0.101;16;72;0.9957;3.15;0.57;9.4;5
+6.8;0.61;0.04;1.5;0.057;5;10;0.99525;3.42;0.6;9.5;5
+8.6;0.645;0.25;2;0.083;8;28;0.99815;3.28;0.6;10;6
+8.4;0.635;0.36;2;0.089;15;55;0.99745;3.31;0.57;10.4;4
+7.7;0.43;0.25;2.6;0.073;29;63;0.99615;3.37;0.58;10.5;6
+8.9;0.59;0.5;2;0.337;27;81;0.9964;3.04;1.61;9.5;6
+9;0.82;0.14;2.6;0.089;9;23;0.9984;3.39;0.63;9.8;5
+7.7;0.43;0.25;2.6;0.073;29;63;0.99615;3.37;0.58;10.5;6
+6.9;0.52;0.25;2.6;0.081;10;37;0.99685;3.46;0.5;11;5
+5.2;0.48;0.04;1.6;0.054;19;106;0.9927;3.54;0.62;12.2;7
+8;0.38;0.06;1.8;0.078;12;49;0.99625;3.37;0.52;9.9;6
+8.5;0.37;0.2;2.8;0.09;18;58;0.998;3.34;0.7;9.6;6
+6.9;0.52;0.25;2.6;0.081;10;37;0.99685;3.46;0.5;11;5
+8.2;1;0.09;2.3;0.065;7;37;0.99685;3.32;0.55;9;6
+7.2;0.63;0;1.9;0.097;14;38;0.99675;3.37;0.58;9;6
+7.2;0.63;0;1.9;0.097;14;38;0.99675;3.37;0.58;9;6
+7.2;0.645;0;1.9;0.097;15;39;0.99675;3.37;0.58;9.2;6
+7.2;0.63;0;1.9;0.097;14;38;0.99675;3.37;0.58;9;6
+8.2;1;0.09;2.3;0.065;7;37;0.99685;3.32;0.55;9;6
+8.9;0.635;0.37;1.7;0.263;5;62;0.9971;3;1.09;9.3;5
+12;0.38;0.56;2.1;0.093;6;24;0.99925;3.14;0.71;10.9;6
+7.7;0.58;0.1;1.8;0.102;28;109;0.99565;3.08;0.49;9.8;6
+15;0.21;0.44;2.2;0.075;10;24;1.00005;3.07;0.84;9.2;7
+15;0.21;0.44;2.2;0.075;10;24;1.00005;3.07;0.84;9.2;7
+7.3;0.66;0;2;0.084;6;23;0.9983;3.61;0.96;9.9;6
+7.1;0.68;0.07;1.9;0.075;16;51;0.99685;3.38;0.52;9.5;5
+8.2;0.6;0.17;2.3;0.072;11;73;0.9963;3.2;0.45;9.3;5
+7.7;0.53;0.06;1.7;0.074;9;39;0.99615;3.35;0.48;9.8;6
+7.3;0.66;0;2;0.084;6;23;0.9983;3.61;0.96;9.9;6
+10.8;0.32;0.44;1.6;0.063;16;37;0.9985;3.22;0.78;10;6
+7.1;0.6;0;1.8;0.074;16;34;0.9972;3.47;0.7;9.9;6
+11.1;0.35;0.48;3.1;0.09;5;21;0.9986;3.17;0.53;10.5;5
+7.7;0.775;0.42;1.9;0.092;8;86;0.9959;3.23;0.59;9.5;5
+7.1;0.6;0;1.8;0.074;16;34;0.9972;3.47;0.7;9.9;6
+8;0.57;0.23;3.2;0.073;17;119;0.99675;3.26;0.57;9.3;5
+9.4;0.34;0.37;2.2;0.075;5;13;0.998;3.22;0.62;9.2;5
+6.6;0.695;0;2.1;0.075;12;56;0.9968;3.49;0.67;9.2;5
+7.7;0.41;0.76;1.8;0.611;8;45;0.9968;3.06;1.26;9.4;5
+10;0.31;0.47;2.6;0.085;14;33;0.99965;3.36;0.8;10.5;7
+7.9;0.33;0.23;1.7;0.077;18;45;0.99625;3.29;0.65;9.3;5
+7;0.975;0.04;2;0.087;12;67;0.99565;3.35;0.6;9.4;4
+8;0.52;0.03;1.7;0.07;10;35;0.99575;3.34;0.57;10;5
+7.9;0.37;0.23;1.8;0.077;23;49;0.9963;3.28;0.67;9.3;5
+12.5;0.56;0.49;2.4;0.064;5;27;0.9999;3.08;0.87;10.9;5
+11.8;0.26;0.52;1.8;0.071;6;10;0.9968;3.2;0.72;10.2;7
+8.1;0.87;0;3.3;0.096;26;61;1.00025;3.6;0.72;9.8;4
+7.9;0.35;0.46;3.6;0.078;15;37;0.9973;3.35;0.86;12.8;8
+6.9;0.54;0.04;3;0.077;7;27;0.9987;3.69;0.91;9.4;6
+11.5;0.18;0.51;4;0.104;4;23;0.9996;3.28;0.97;10.1;6
+7.9;0.545;0.06;4;0.087;27;61;0.9965;3.36;0.67;10.7;6
+11.5;0.18;0.51;4;0.104;4;23;0.9996;3.28;0.97;10.1;6
+10.9;0.37;0.58;4;0.071;17;65;0.99935;3.22;0.78;10.1;5
+8.4;0.715;0.2;2.4;0.076;10;38;0.99735;3.31;0.64;9.4;5
+7.5;0.65;0.18;7;0.088;27;94;0.99915;3.38;0.77;9.4;5
+7.9;0.545;0.06;4;0.087;27;61;0.9965;3.36;0.67;10.7;6
+6.9;0.54;0.04;3;0.077;7;27;0.9987;3.69;0.91;9.4;6
+11.5;0.18;0.51;4;0.104;4;23;0.9996;3.28;0.97;10.1;6
+10.3;0.32;0.45;6.4;0.073;5;13;0.9976;3.23;0.82;12.6;8
+8.9;0.4;0.32;5.6;0.087;10;47;0.9991;3.38;0.77;10.5;7
+11.4;0.26;0.44;3.6;0.071;6;19;0.9986;3.12;0.82;9.3;6
+7.7;0.27;0.68;3.5;0.358;5;10;0.9972;3.25;1.08;9.9;7
+7.6;0.52;0.12;3;0.067;12;53;0.9971;3.36;0.57;9.1;5
+8.9;0.4;0.32;5.6;0.087;10;47;0.9991;3.38;0.77;10.5;7
+9.9;0.59;0.07;3.4;0.102;32;71;1.00015;3.31;0.71;9.8;5
+9.9;0.59;0.07;3.4;0.102;32;71;1.00015;3.31;0.71;9.8;5
+12;0.45;0.55;2;0.073;25;49;0.9997;3.1;0.76;10.3;6
+7.5;0.4;0.12;3;0.092;29;53;0.9967;3.37;0.7;10.3;6
+8.7;0.52;0.09;2.5;0.091;20;49;0.9976;3.34;0.86;10.6;7
+11.6;0.42;0.53;3.3;0.105;33;98;1.001;3.2;0.95;9.2;5
+8.7;0.52;0.09;2.5;0.091;20;49;0.9976;3.34;0.86;10.6;7
+11;0.2;0.48;2;0.343;6;18;0.9979;3.3;0.71;10.5;5
+10.4;0.55;0.23;2.7;0.091;18;48;0.9994;3.22;0.64;10.3;6
+6.9;0.36;0.25;2.4;0.098;5;16;0.9964;3.41;0.6;10.1;6
+13.3;0.34;0.52;3.2;0.094;17;53;1.0014;3.05;0.81;9.5;6
+10.8;0.5;0.46;2.5;0.073;5;27;1.0001;3.05;0.64;9.5;5
+10.6;0.83;0.37;2.6;0.086;26;70;0.9981;3.16;0.52;9.9;5
+7.1;0.63;0.06;2;0.083;8;29;0.99855;3.67;0.73;9.6;5
+7.2;0.65;0.02;2.3;0.094;5;31;0.9993;3.67;0.8;9.7;5
+6.9;0.67;0.06;2.1;0.08;8;33;0.99845;3.68;0.71;9.6;5
+7.5;0.53;0.06;2.6;0.086;20;44;0.9965;3.38;0.59;10.7;6
+11.1;0.18;0.48;1.5;0.068;7;15;0.9973;3.22;0.64;10.1;6
+8.3;0.705;0.12;2.6;0.092;12;28;0.9994;3.51;0.72;10;5
+7.4;0.67;0.12;1.6;0.186;5;21;0.996;3.39;0.54;9.5;5
+8.4;0.65;0.6;2.1;0.112;12;90;0.9973;3.2;0.52;9.2;5
+10.3;0.53;0.48;2.5;0.063;6;25;0.9998;3.12;0.59;9.3;6
+7.6;0.62;0.32;2.2;0.082;7;54;0.9966;3.36;0.52;9.4;5
+10.3;0.41;0.42;2.4;0.213;6;14;0.9994;3.19;0.62;9.5;6
+10.3;0.43;0.44;2.4;0.214;5;12;0.9994;3.19;0.63;9.5;6
+7.4;0.29;0.38;1.7;0.062;9;30;0.9968;3.41;0.53;9.5;6
+10.3;0.53;0.48;2.5;0.063;6;25;0.9998;3.12;0.59;9.3;6
+7.9;0.53;0.24;2;0.072;15;105;0.996;3.27;0.54;9.4;6
+9;0.46;0.31;2.8;0.093;19;98;0.99815;3.32;0.63;9.5;6
+8.6;0.47;0.3;3;0.076;30;135;0.9976;3.3;0.53;9.4;5
+7.4;0.36;0.29;2.6;0.087;26;72;0.99645;3.39;0.68;11;5
+7.1;0.35;0.29;2.5;0.096;20;53;0.9962;3.42;0.65;11;6
+9.6;0.56;0.23;3.4;0.102;37;92;0.9996;3.3;0.65;10.1;5
+9.6;0.77;0.12;2.9;0.082;30;74;0.99865;3.3;0.64;10.4;6
+9.8;0.66;0.39;3.2;0.083;21;59;0.9989;3.37;0.71;11.5;7
+9.6;0.77;0.12;2.9;0.082;30;74;0.99865;3.3;0.64;10.4;6
+9.8;0.66;0.39;3.2;0.083;21;59;0.9989;3.37;0.71;11.5;7
+9.3;0.61;0.26;3.4;0.09;25;87;0.99975;3.24;0.62;9.7;5
+7.8;0.62;0.05;2.3;0.079;6;18;0.99735;3.29;0.63;9.3;5
+10.3;0.59;0.42;2.8;0.09;35;73;0.999;3.28;0.7;9.5;6
+10;0.49;0.2;11;0.071;13;50;1.0015;3.16;0.69;9.2;6
+10;0.49;0.2;11;0.071;13;50;1.0015;3.16;0.69;9.2;6
+11.6;0.53;0.66;3.65;0.121;6;14;0.9978;3.05;0.74;11.5;7
+10.3;0.44;0.5;4.5;0.107;5;13;0.998;3.28;0.83;11.5;5
+13.4;0.27;0.62;2.6;0.082;6;21;1.0002;3.16;0.67;9.7;6
+10.7;0.46;0.39;2;0.061;7;15;0.9981;3.18;0.62;9.5;5
+10.2;0.36;0.64;2.9;0.122;10;41;0.998;3.23;0.66;12.5;6
+10.2;0.36;0.64;2.9;0.122;10;41;0.998;3.23;0.66;12.5;6
+8;0.58;0.28;3.2;0.066;21;114;0.9973;3.22;0.54;9.4;6
+8.4;0.56;0.08;2.1;0.105;16;44;0.9958;3.13;0.52;11;5
+7.9;0.65;0.01;2.5;0.078;17;38;0.9963;3.34;0.74;11.7;7
+11.9;0.695;0.53;3.4;0.128;7;21;0.9992;3.17;0.84;12.2;7
+8.9;0.43;0.45;1.9;0.052;6;16;0.9948;3.35;0.7;12.5;6
+7.8;0.43;0.32;2.8;0.08;29;58;0.9974;3.31;0.64;10.3;5
+12.4;0.49;0.58;3;0.103;28;99;1.0008;3.16;1;11.5;6
+12.5;0.28;0.54;2.3;0.082;12;29;0.9997;3.11;1.36;9.8;7
+12.2;0.34;0.5;2.4;0.066;10;21;1;3.12;1.18;9.2;6
+10.6;0.42;0.48;2.7;0.065;5;18;0.9972;3.21;0.87;11.3;6
+10.9;0.39;0.47;1.8;0.118;6;14;0.9982;3.3;0.75;9.8;6
+10.9;0.39;0.47;1.8;0.118;6;14;0.9982;3.3;0.75;9.8;6
+11.9;0.57;0.5;2.6;0.082;6;32;1.0006;3.12;0.78;10.7;6
+7;0.685;0;1.9;0.067;40;63;0.9979;3.6;0.81;9.9;5
+6.6;0.815;0.02;2.7;0.072;17;34;0.9955;3.58;0.89;12.3;7
+13.8;0.49;0.67;3;0.093;6;15;0.9986;3.02;0.93;12;6
+9.6;0.56;0.31;2.8;0.089;15;46;0.9979;3.11;0.92;10;6
+9.1;0.785;0;2.6;0.093;11;28;0.9994;3.36;0.86;9.4;6
+10.7;0.67;0.22;2.7;0.107;17;34;1.0004;3.28;0.98;9.9;6
+9.1;0.795;0;2.6;0.096;11;26;0.9994;3.35;0.83;9.4;6
+7.7;0.665;0;2.4;0.09;8;19;0.9974;3.27;0.73;9.3;5
+13.5;0.53;0.79;4.8;0.12;23;77;1.0018;3.18;0.77;13;5
+6.1;0.21;0.4;1.4;0.066;40.5;165;0.9912;3.25;0.59;11.9;6
+6.7;0.75;0.01;2.4;0.078;17;32;0.9955;3.55;0.61;12.8;6
+11.5;0.41;0.52;3;0.08;29;55;1.0001;3.26;0.88;11;5
+10.5;0.42;0.66;2.95;0.116;12;29;0.997;3.24;0.75;11.7;7
+11.9;0.43;0.66;3.1;0.109;10;23;1;3.15;0.85;10.4;7
+12.6;0.38;0.66;2.6;0.088;10;41;1.001;3.17;0.68;9.8;6
+8.2;0.7;0.23;2;0.099;14;81;0.9973;3.19;0.7;9.4;5
+8.6;0.45;0.31;2.6;0.086;21;50;0.9982;3.37;0.91;9.9;6
+11.9;0.58;0.66;2.5;0.072;6;37;0.9992;3.05;0.56;10;5
+12.5;0.46;0.63;2;0.071;6;15;0.9988;2.99;0.87;10.2;5
+12.8;0.615;0.66;5.8;0.083;7;42;1.0022;3.07;0.73;10;7
+10;0.42;0.5;3.4;0.107;7;21;0.9979;3.26;0.93;11.8;6
+12.8;0.615;0.66;5.8;0.083;7;42;1.0022;3.07;0.73;10;7
+10.4;0.575;0.61;2.6;0.076;11;24;1;3.16;0.69;9;5
+10.3;0.34;0.52;2.8;0.159;15;75;0.9998;3.18;0.64;9.4;5
+9.4;0.27;0.53;2.4;0.074;6;18;0.9962;3.2;1.13;12;7
+6.9;0.765;0.02;2.3;0.063;35;63;0.9975;3.57;0.78;9.9;5
+7.9;0.24;0.4;1.6;0.056;11;25;0.9967;3.32;0.87;8.7;6
+9.1;0.28;0.48;1.8;0.067;26;46;0.9967;3.32;1.04;10.6;6
+7.4;0.55;0.22;2.2;0.106;12;72;0.9959;3.05;0.63;9.2;5
+14;0.41;0.63;3.8;0.089;6;47;1.0014;3.01;0.81;10.8;6
+11.5;0.54;0.71;4.4;0.124;6;15;0.9984;3.01;0.83;11.8;7
+11.5;0.45;0.5;3;0.078;19;47;1.0003;3.26;1.11;11;6
+9.4;0.27;0.53;2.4;0.074;6;18;0.9962;3.2;1.13;12;7
+11.4;0.625;0.66;6.2;0.088;6;24;0.9988;3.11;0.99;13.3;6
+8.3;0.42;0.38;2.5;0.094;24;60;0.9979;3.31;0.7;10.8;6
+8.3;0.26;0.42;2;0.08;11;27;0.9974;3.21;0.8;9.4;6
+13.7;0.415;0.68;2.9;0.085;17;43;1.0014;3.06;0.8;10;6
+8.3;0.26;0.42;2;0.08;11;27;0.9974;3.21;0.8;9.4;6
+8.3;0.26;0.42;2;0.08;11;27;0.9974;3.21;0.8;9.4;6
+7.7;0.51;0.28;2.1;0.087;23;54;0.998;3.42;0.74;9.2;5
+7.4;0.63;0.07;2.4;0.09;11;37;0.9979;3.43;0.76;9.7;6
+7.8;0.54;0.26;2;0.088;23;48;0.9981;3.41;0.74;9.2;6
+8.3;0.66;0.15;1.9;0.079;17;42;0.9972;3.31;0.54;9.6;6
+7.8;0.46;0.26;1.9;0.088;23;53;0.9981;3.43;0.74;9.2;6
+9.6;0.38;0.31;2.5;0.096;16;49;0.9982;3.19;0.7;10;7
+5.6;0.85;0.05;1.4;0.045;12;88;0.9924;3.56;0.82;12.9;8
+13.7;0.415;0.68;2.9;0.085;17;43;1.0014;3.06;0.8;10;6
+9.5;0.37;0.52;2;0.082;6;26;0.998;3.18;0.51;9.5;5
+8.4;0.665;0.61;2;0.112;13;95;0.997;3.16;0.54;9.1;5
+12.7;0.6;0.65;2.3;0.063;6;25;0.9997;3.03;0.57;9.9;5
+12;0.37;0.76;4.2;0.066;7;38;1.0004;3.22;0.6;13;7
+6.6;0.735;0.02;7.9;0.122;68;124;0.9994;3.47;0.53;9.9;5
+11.5;0.59;0.59;2.6;0.087;13;49;0.9988;3.18;0.65;11;6
+11.5;0.59;0.59;2.6;0.087;13;49;0.9988;3.18;0.65;11;6
+8.7;0.765;0.22;2.3;0.064;9;42;0.9963;3.1;0.55;9.4;5
+6.6;0.735;0.02;7.9;0.122;68;124;0.9994;3.47;0.53;9.9;5
+7.7;0.26;0.3;1.7;0.059;20;38;0.9949;3.29;0.47;10.8;6
+12.2;0.48;0.54;2.6;0.085;19;64;1;3.1;0.61;10.5;6
+11.4;0.6;0.49;2.7;0.085;10;41;0.9994;3.15;0.63;10.5;6
+7.7;0.69;0.05;2.7;0.075;15;27;0.9974;3.26;0.61;9.1;5
+8.7;0.31;0.46;1.4;0.059;11;25;0.9966;3.36;0.76;10.1;6
+9.8;0.44;0.47;2.5;0.063;9;28;0.9981;3.24;0.65;10.8;6
+12;0.39;0.66;3;0.093;12;30;0.9996;3.18;0.63;10.8;7
+10.4;0.34;0.58;3.7;0.174;6;16;0.997;3.19;0.7;11.3;6
+12.5;0.46;0.49;4.5;0.07;26;49;0.9981;3.05;0.57;9.6;4
+9;0.43;0.34;2.5;0.08;26;86;0.9987;3.38;0.62;9.5;6
+9.1;0.45;0.35;2.4;0.08;23;78;0.9987;3.38;0.62;9.5;5
+7.1;0.735;0.16;1.9;0.1;15;77;0.9966;3.27;0.64;9.3;5
+9.9;0.4;0.53;6.7;0.097;6;19;0.9986;3.27;0.82;11.7;7
+8.8;0.52;0.34;2.7;0.087;24;122;0.9982;3.26;0.61;9.5;5
+8.6;0.725;0.24;6.6;0.117;31;134;1.0014;3.32;1.07;9.3;5
+10.6;0.48;0.64;2.2;0.111;6;20;0.997;3.26;0.66;11.7;6
+7;0.58;0.12;1.9;0.091;34;124;0.9956;3.44;0.48;10.5;5
+11.9;0.38;0.51;2;0.121;7;20;0.9996;3.24;0.76;10.4;6
+6.8;0.77;0;1.8;0.066;34;52;0.9976;3.62;0.68;9.9;5
+9.5;0.56;0.33;2.4;0.089;35;67;0.9972;3.28;0.73;11.8;7
+6.6;0.84;0.03;2.3;0.059;32;48;0.9952;3.52;0.56;12.3;7
+7.7;0.96;0.2;2;0.047;15;60;0.9955;3.36;0.44;10.9;5
+10.5;0.24;0.47;2.1;0.066;6;24;0.9978;3.15;0.9;11;7
+7.7;0.96;0.2;2;0.047;15;60;0.9955;3.36;0.44;10.9;5
+6.6;0.84;0.03;2.3;0.059;32;48;0.9952;3.52;0.56;12.3;7
+6.4;0.67;0.08;2.1;0.045;19;48;0.9949;3.49;0.49;11.4;6
+9.5;0.78;0.22;1.9;0.077;6;32;0.9988;3.26;0.56;10.6;6
+9.1;0.52;0.33;1.3;0.07;9;30;0.9978;3.24;0.6;9.3;5
+12.8;0.84;0.63;2.4;0.088;13;35;0.9997;3.1;0.6;10.4;6
+10.5;0.24;0.47;2.1;0.066;6;24;0.9978;3.15;0.9;11;7
+7.8;0.55;0.35;2.2;0.074;21;66;0.9974;3.25;0.56;9.2;5
+11.9;0.37;0.69;2.3;0.078;12;24;0.9958;3;0.65;12.8;6
+12.3;0.39;0.63;2.3;0.091;6;18;1.0004;3.16;0.49;9.5;5
+10.4;0.41;0.55;3.2;0.076;22;54;0.9996;3.15;0.89;9.9;6
+12.3;0.39;0.63;2.3;0.091;6;18;1.0004;3.16;0.49;9.5;5
+8;0.67;0.3;2;0.06;38;62;0.9958;3.26;0.56;10.2;6
+11.1;0.45;0.73;3.2;0.066;6;22;0.9986;3.17;0.66;11.2;6
+10.4;0.41;0.55;3.2;0.076;22;54;0.9996;3.15;0.89;9.9;6
+7;0.62;0.18;1.5;0.062;7;50;0.9951;3.08;0.6;9.3;5
+12.6;0.31;0.72;2.2;0.072;6;29;0.9987;2.88;0.82;9.8;8
+11.9;0.4;0.65;2.15;0.068;7;27;0.9988;3.06;0.68;11.3;6
+15.6;0.685;0.76;3.7;0.1;6;43;1.0032;2.95;0.68;11.2;7
+10;0.44;0.49;2.7;0.077;11;19;0.9963;3.23;0.63;11.6;7
+5.3;0.57;0.01;1.7;0.054;5;27;0.9934;3.57;0.84;12.5;7
+9.5;0.735;0.1;2.1;0.079;6;31;0.9986;3.23;0.56;10.1;6
+12.5;0.38;0.6;2.6;0.081;31;72;0.9996;3.1;0.73;10.5;5
+9.3;0.48;0.29;2.1;0.127;6;16;0.9968;3.22;0.72;11.2;5
+8.6;0.53;0.22;2;0.1;7;27;0.9967;3.2;0.56;10.2;6
+11.9;0.39;0.69;2.8;0.095;17;35;0.9994;3.1;0.61;10.8;6
+11.9;0.39;0.69;2.8;0.095;17;35;0.9994;3.1;0.61;10.8;6
+8.4;0.37;0.53;1.8;0.413;9;26;0.9979;3.06;1.06;9.1;6
+6.8;0.56;0.03;1.7;0.084;18;35;0.9968;3.44;0.63;10;6
+10.4;0.33;0.63;2.8;0.084;5;22;0.9998;3.26;0.74;11.2;7
+7;0.23;0.4;1.6;0.063;21;67;0.9952;3.5;0.63;11.1;5
+11.3;0.62;0.67;5.2;0.086;6;19;0.9988;3.22;0.69;13.4;8
+8.9;0.59;0.39;2.3;0.095;5;22;0.9986;3.37;0.58;10.3;5
+9.2;0.63;0.21;2.7;0.097;29;65;0.9988;3.28;0.58;9.6;5
+10.4;0.33;0.63;2.8;0.084;5;22;0.9998;3.26;0.74;11.2;7
+11.6;0.58;0.66;2.2;0.074;10;47;1.0008;3.25;0.57;9;3
+9.2;0.43;0.52;2.3;0.083;14;23;0.9976;3.35;0.61;11.3;6
+8.3;0.615;0.22;2.6;0.087;6;19;0.9982;3.26;0.61;9.3;5
+11;0.26;0.68;2.55;0.085;10;25;0.997;3.18;0.61;11.8;5
+8.1;0.66;0.7;2.2;0.098;25;129;0.9972;3.08;0.53;9;5
+11.5;0.315;0.54;2.1;0.084;5;15;0.9987;2.98;0.7;9.2;6
+10;0.29;0.4;2.9;0.098;10;26;1.0006;3.48;0.91;9.7;5
+10.3;0.5;0.42;2;0.069;21;51;0.9982;3.16;0.72;11.5;6
+8.8;0.46;0.45;2.6;0.065;7;18;0.9947;3.32;0.79;14;6
+11.4;0.36;0.69;2.1;0.09;6;21;1;3.17;0.62;9.2;6
+8.7;0.82;0.02;1.2;0.07;36;48;0.9952;3.2;0.58;9.8;5
+13;0.32;0.65;2.6;0.093;15;47;0.9996;3.05;0.61;10.6;5
+9.6;0.54;0.42;2.4;0.081;25;52;0.997;3.2;0.71;11.4;6
+12.5;0.37;0.55;2.6;0.083;25;68;0.9995;3.15;0.82;10.4;6
+9.9;0.35;0.55;2.1;0.062;5;14;0.9971;3.26;0.79;10.6;5
+10.5;0.28;0.51;1.7;0.08;10;24;0.9982;3.2;0.89;9.4;6
+9.6;0.68;0.24;2.2;0.087;5;28;0.9988;3.14;0.6;10.2;5
+9.3;0.27;0.41;2;0.091;6;16;0.998;3.28;0.7;9.7;5
+10.4;0.24;0.49;1.8;0.075;6;20;0.9977;3.18;1.06;11;6
+9.6;0.68;0.24;2.2;0.087;5;28;0.9988;3.14;0.6;10.2;5
+9.4;0.685;0.11;2.7;0.077;6;31;0.9984;3.19;0.7;10.1;6
+10.6;0.28;0.39;15.5;0.069;6;23;1.0026;3.12;0.66;9.2;5
+9.4;0.3;0.56;2.8;0.08;6;17;0.9964;3.15;0.92;11.7;8
+10.6;0.36;0.59;2.2;0.152;6;18;0.9986;3.04;1.05;9.4;5
+10.6;0.36;0.6;2.2;0.152;7;18;0.9986;3.04;1.06;9.4;5
+10.6;0.44;0.68;4.1;0.114;6;24;0.997;3.06;0.66;13.4;6
+10.2;0.67;0.39;1.9;0.054;6;17;0.9976;3.17;0.47;10;5
+10.2;0.67;0.39;1.9;0.054;6;17;0.9976;3.17;0.47;10;5
+10.2;0.645;0.36;1.8;0.053;5;14;0.9982;3.17;0.42;10;6
+11.6;0.32;0.55;2.8;0.081;35;67;1.0002;3.32;0.92;10.8;7
+9.3;0.39;0.4;2.6;0.073;10;26;0.9984;3.34;0.75;10.2;6
+9.3;0.775;0.27;2.8;0.078;24;56;0.9984;3.31;0.67;10.6;6
+9.2;0.41;0.5;2.5;0.055;12;25;0.9952;3.34;0.79;13.3;7
+8.9;0.4;0.51;2.6;0.052;13;27;0.995;3.32;0.9;13.4;7
+8.7;0.69;0.31;3;0.086;23;81;1.0002;3.48;0.74;11.6;6
+6.5;0.39;0.23;8.3;0.051;28;91;0.9952;3.44;0.55;12.1;6
+10.7;0.35;0.53;2.6;0.07;5;16;0.9972;3.15;0.65;11;8
+7.8;0.52;0.25;1.9;0.081;14;38;0.9984;3.43;0.65;9;6
+7.2;0.34;0.32;2.5;0.09;43;113;0.9966;3.32;0.79;11.1;5
+10.7;0.35;0.53;2.6;0.07;5;16;0.9972;3.15;0.65;11;8
+8.7;0.69;0.31;3;0.086;23;81;1.0002;3.48;0.74;11.6;6
+7.8;0.52;0.25;1.9;0.081;14;38;0.9984;3.43;0.65;9;6
+10.4;0.44;0.73;6.55;0.074;38;76;0.999;3.17;0.85;12;7
+10.4;0.44;0.73;6.55;0.074;38;76;0.999;3.17;0.85;12;7
+10.5;0.26;0.47;1.9;0.078;6;24;0.9976;3.18;1.04;10.9;7
+10.5;0.24;0.42;1.8;0.077;6;22;0.9976;3.21;1.05;10.8;7
+10.2;0.49;0.63;2.9;0.072;10;26;0.9968;3.16;0.78;12.5;7
+10.4;0.24;0.46;1.8;0.075;6;21;0.9976;3.25;1.02;10.8;7
+11.2;0.67;0.55;2.3;0.084;6;13;1;3.17;0.71;9.5;6
+10;0.59;0.31;2.2;0.09;26;62;0.9994;3.18;0.63;10.2;6
+13.3;0.29;0.75;2.8;0.084;23;43;0.9986;3.04;0.68;11.4;7
+12.4;0.42;0.49;4.6;0.073;19;43;0.9978;3.02;0.61;9.5;5
+10;0.59;0.31;2.2;0.09;26;62;0.9994;3.18;0.63;10.2;6
+10.7;0.4;0.48;2.1;0.125;15;49;0.998;3.03;0.81;9.7;6
+10.5;0.51;0.64;2.4;0.107;6;15;0.9973;3.09;0.66;11.8;7
+10.5;0.51;0.64;2.4;0.107;6;15;0.9973;3.09;0.66;11.8;7
+8.5;0.655;0.49;6.1;0.122;34;151;1.001;3.31;1.14;9.3;5
+12.5;0.6;0.49;4.3;0.1;5;14;1.001;3.25;0.74;11.9;6
+10.4;0.61;0.49;2.1;0.2;5;16;0.9994;3.16;0.63;8.4;3
+10.9;0.21;0.49;2.8;0.088;11;32;0.9972;3.22;0.68;11.7;6
+7.3;0.365;0.49;2.5;0.088;39;106;0.9966;3.36;0.78;11;5
+9.8;0.25;0.49;2.7;0.088;15;33;0.9982;3.42;0.9;10;6
+7.6;0.41;0.49;2;0.088;16;43;0.998;3.48;0.64;9.1;5
+8.2;0.39;0.49;2.3;0.099;47;133;0.9979;3.38;0.99;9.8;5
+9.3;0.4;0.49;2.5;0.085;38;142;0.9978;3.22;0.55;9.4;5
+9.2;0.43;0.49;2.4;0.086;23;116;0.9976;3.23;0.64;9.5;5
+10.4;0.64;0.24;2.8;0.105;29;53;0.9998;3.24;0.67;9.9;5
+7.3;0.365;0.49;2.5;0.088;39;106;0.9966;3.36;0.78;11;5
+7;0.38;0.49;2.5;0.097;33;85;0.9962;3.39;0.77;11.4;6
+8.2;0.42;0.49;2.6;0.084;32;55;0.9988;3.34;0.75;8.7;6
+9.9;0.63;0.24;2.4;0.077;6;33;0.9974;3.09;0.57;9.4;5
+9.1;0.22;0.24;2.1;0.078;1;28;0.999;3.41;0.87;10.3;6
+11.9;0.38;0.49;2.7;0.098;12;42;1.0004;3.16;0.61;10.3;5
+11.9;0.38;0.49;2.7;0.098;12;42;1.0004;3.16;0.61;10.3;5
+10.3;0.27;0.24;2.1;0.072;15;33;0.9956;3.22;0.66;12.8;6
+10;0.48;0.24;2.7;0.102;13;32;1;3.28;0.56;10;6
+9.1;0.22;0.24;2.1;0.078;1;28;0.999;3.41;0.87;10.3;6
+9.9;0.63;0.24;2.4;0.077;6;33;0.9974;3.09;0.57;9.4;5
+8.1;0.825;0.24;2.1;0.084;5;13;0.9972;3.37;0.77;10.7;6
+12.9;0.35;0.49;5.8;0.066;5;35;1.0014;3.2;0.66;12;7
+11.2;0.5;0.74;5.15;0.1;5;17;0.9996;3.22;0.62;11.2;5
+9.2;0.59;0.24;3.3;0.101;20;47;0.9988;3.26;0.67;9.6;5
+9.5;0.46;0.49;6.3;0.064;5;17;0.9988;3.21;0.73;11;6
+9.3;0.715;0.24;2.1;0.07;5;20;0.9966;3.12;0.59;9.9;5
+11.2;0.66;0.24;2.5;0.085;16;53;0.9993;3.06;0.72;11;6
+14.3;0.31;0.74;1.8;0.075;6;15;1.0008;2.86;0.79;8.4;6
+9.1;0.47;0.49;2.6;0.094;38;106;0.9982;3.08;0.59;9.1;5
+7.5;0.55;0.24;2;0.078;10;28;0.9983;3.45;0.78;9.5;6
+10.6;0.31;0.49;2.5;0.067;6;21;0.9987;3.26;0.86;10.7;6
+12.4;0.35;0.49;2.6;0.079;27;69;0.9994;3.12;0.75;10.4;6
+9;0.53;0.49;1.9;0.171;6;25;0.9975;3.27;0.61;9.4;6
+6.8;0.51;0.01;2.1;0.074;9;25;0.9958;3.33;0.56;9.5;6
+9.4;0.43;0.24;2.8;0.092;14;45;0.998;3.19;0.73;10;6
+9.5;0.46;0.24;2.7;0.092;14;44;0.998;3.12;0.74;10;6
+5;1.04;0.24;1.6;0.05;32;96;0.9934;3.74;0.62;11.5;5
+15.5;0.645;0.49;4.2;0.095;10;23;1.00315;2.92;0.74;11.1;5
+15.5;0.645;0.49;4.2;0.095;10;23;1.00315;2.92;0.74;11.1;5
+10.9;0.53;0.49;4.6;0.118;10;17;1.0002;3.07;0.56;11.7;6
+15.6;0.645;0.49;4.2;0.095;10;23;1.00315;2.92;0.74;11.1;5
+10.9;0.53;0.49;4.6;0.118;10;17;1.0002;3.07;0.56;11.7;6
+13;0.47;0.49;4.3;0.085;6;47;1.0021;3.3;0.68;12.7;6
+12.7;0.6;0.49;2.8;0.075;5;19;0.9994;3.14;0.57;11.4;5
+9;0.44;0.49;2.4;0.078;26;121;0.9978;3.23;0.58;9.2;5
+9;0.54;0.49;2.9;0.094;41;110;0.9982;3.08;0.61;9.2;5
+7.6;0.29;0.49;2.7;0.092;25;60;0.9971;3.31;0.61;10.1;6
+13;0.47;0.49;4.3;0.085;6;47;1.0021;3.3;0.68;12.7;6
+12.7;0.6;0.49;2.8;0.075;5;19;0.9994;3.14;0.57;11.4;5
+8.7;0.7;0.24;2.5;0.226;5;15;0.9991;3.32;0.6;9;6
+8.7;0.7;0.24;2.5;0.226;5;15;0.9991;3.32;0.6;9;6
+9.8;0.5;0.49;2.6;0.25;5;20;0.999;3.31;0.79;10.7;6
+6.2;0.36;0.24;2.2;0.095;19;42;0.9946;3.57;0.57;11.7;6
+11.5;0.35;0.49;3.3;0.07;10;37;1.0003;3.32;0.91;11;6
+6.2;0.36;0.24;2.2;0.095;19;42;0.9946;3.57;0.57;11.7;6
+10.2;0.24;0.49;2.4;0.075;10;28;0.9978;3.14;0.61;10.4;5
+10.5;0.59;0.49;2.1;0.07;14;47;0.9991;3.3;0.56;9.6;4
+10.6;0.34;0.49;3.2;0.078;20;78;0.9992;3.19;0.7;10;6
+12.3;0.27;0.49;3.1;0.079;28;46;0.9993;3.2;0.8;10.2;6
+9.9;0.5;0.24;2.3;0.103;6;14;0.9978;3.34;0.52;10;4
+8.8;0.44;0.49;2.8;0.083;18;111;0.9982;3.3;0.6;9.5;5
+8.8;0.47;0.49;2.9;0.085;17;110;0.9982;3.29;0.6;9.8;5
+10.6;0.31;0.49;2.2;0.063;18;40;0.9976;3.14;0.51;9.8;6
+12.3;0.5;0.49;2.2;0.089;5;14;1.0002;3.19;0.44;9.6;5
+12.3;0.5;0.49;2.2;0.089;5;14;1.0002;3.19;0.44;9.6;5
+11.7;0.49;0.49;2.2;0.083;5;15;1;3.19;0.43;9.2;5
+12;0.28;0.49;1.9;0.074;10;21;0.9976;2.98;0.66;9.9;7
+11.8;0.33;0.49;3.4;0.093;54;80;1.0002;3.3;0.76;10.7;7
+7.6;0.51;0.24;2.4;0.091;8;38;0.998;3.47;0.66;9.6;6
+11.1;0.31;0.49;2.7;0.094;16;47;0.9986;3.12;1.02;10.6;7
+7.3;0.73;0.24;1.9;0.108;18;102;0.9967;3.26;0.59;9.3;5
+5;0.42;0.24;2;0.06;19;50;0.9917;3.72;0.74;14;8
+10.2;0.29;0.49;2.6;0.059;5;13;0.9976;3.05;0.74;10.5;7
+9;0.45;0.49;2.6;0.084;21;75;0.9987;3.35;0.57;9.7;5
+6.6;0.39;0.49;1.7;0.07;23;149;0.9922;3.12;0.5;11.5;6
+9;0.45;0.49;2.6;0.084;21;75;0.9987;3.35;0.57;9.7;5
+9.9;0.49;0.58;3.5;0.094;9;43;1.0004;3.29;0.58;9;5
+7.9;0.72;0.17;2.6;0.096;20;38;0.9978;3.4;0.53;9.5;5
+8.9;0.595;0.41;7.9;0.086;30;109;0.9998;3.27;0.57;9.3;5
+12.4;0.4;0.51;2;0.059;6;24;0.9994;3.04;0.6;9.3;6
+11.9;0.58;0.58;1.9;0.071;5;18;0.998;3.09;0.63;10;6
+8.5;0.585;0.18;2.1;0.078;5;30;0.9967;3.2;0.48;9.8;6
+12.7;0.59;0.45;2.3;0.082;11;22;1;3;0.7;9.3;6
+8.2;0.915;0.27;2.1;0.088;7;23;0.9962;3.26;0.47;10;4
+13.2;0.46;0.52;2.2;0.071;12;35;1.0006;3.1;0.56;9;6
+7.7;0.835;0;2.6;0.081;6;14;0.9975;3.3;0.52;9.3;5
+13.2;0.46;0.52;2.2;0.071;12;35;1.0006;3.1;0.56;9;6
+8.3;0.58;0.13;2.9;0.096;14;63;0.9984;3.17;0.62;9.1;6
+8.3;0.6;0.13;2.6;0.085;6;24;0.9984;3.31;0.59;9.2;6
+9.4;0.41;0.48;4.6;0.072;10;20;0.9973;3.34;0.79;12.2;7
+8.8;0.48;0.41;3.3;0.092;26;52;0.9982;3.31;0.53;10.5;6
+10.1;0.65;0.37;5.1;0.11;11;65;1.0026;3.32;0.64;10.4;6
+6.3;0.36;0.19;3.2;0.075;15;39;0.9956;3.56;0.52;12.7;6
+8.8;0.24;0.54;2.5;0.083;25;57;0.9983;3.39;0.54;9.2;5
+13.2;0.38;0.55;2.7;0.081;5;16;1.0006;2.98;0.54;9.4;5
+7.5;0.64;0;2.4;0.077;18;29;0.9965;3.32;0.6;10;6
+8.2;0.39;0.38;1.5;0.058;10;29;0.9962;3.26;0.74;9.8;5
+9.2;0.755;0.18;2.2;0.148;10;103;0.9969;2.87;1.36;10.2;6
+9.6;0.6;0.5;2.3;0.079;28;71;0.9997;3.5;0.57;9.7;5
+9.6;0.6;0.5;2.3;0.079;28;71;0.9997;3.5;0.57;9.7;5
+11.5;0.31;0.51;2.2;0.079;14;28;0.9982;3.03;0.93;9.8;6
+11.4;0.46;0.5;2.7;0.122;4;17;1.0006;3.13;0.7;10.2;5
+11.3;0.37;0.41;2.3;0.088;6;16;0.9988;3.09;0.8;9.3;5
+8.3;0.54;0.24;3.4;0.076;16;112;0.9976;3.27;0.61;9.4;5
+8.2;0.56;0.23;3.4;0.078;14;104;0.9976;3.28;0.62;9.4;5
+10;0.58;0.22;1.9;0.08;9;32;0.9974;3.13;0.55;9.5;5
+7.9;0.51;0.25;2.9;0.077;21;45;0.9974;3.49;0.96;12.1;6
+6.8;0.69;0;5.6;0.124;21;58;0.9997;3.46;0.72;10.2;5
+6.8;0.69;0;5.6;0.124;21;58;0.9997;3.46;0.72;10.2;5
+8.8;0.6;0.29;2.2;0.098;5;15;0.9988;3.36;0.49;9.1;5
+8.8;0.6;0.29;2.2;0.098;5;15;0.9988;3.36;0.49;9.1;5
+8.7;0.54;0.26;2.5;0.097;7;31;0.9976;3.27;0.6;9.3;6
+7.6;0.685;0.23;2.3;0.111;20;84;0.9964;3.21;0.61;9.3;5
+8.7;0.54;0.26;2.5;0.097;7;31;0.9976;3.27;0.6;9.3;6
+10.4;0.28;0.54;2.7;0.105;5;19;0.9988;3.25;0.63;9.5;5
+7.6;0.41;0.14;3;0.087;21;43;0.9964;3.32;0.57;10.5;6
+10.1;0.935;0.22;3.4;0.105;11;86;1.001;3.43;0.64;11.3;4
+7.9;0.35;0.21;1.9;0.073;46;102;0.9964;3.27;0.58;9.5;5
+8.7;0.84;0;1.4;0.065;24;33;0.9954;3.27;0.55;9.7;5
+9.6;0.88;0.28;2.4;0.086;30;147;0.9979;3.24;0.53;9.4;5
+9.5;0.885;0.27;2.3;0.084;31;145;0.9978;3.24;0.53;9.4;5
+7.7;0.915;0.12;2.2;0.143;7;23;0.9964;3.35;0.65;10.2;7
+8.9;0.29;0.35;1.9;0.067;25;57;0.997;3.18;1.36;10.3;6
+9.9;0.54;0.45;2.3;0.071;16;40;0.9991;3.39;0.62;9.4;5
+9.5;0.59;0.44;2.3;0.071;21;68;0.9992;3.46;0.63;9.5;5
+9.9;0.54;0.45;2.3;0.071;16;40;0.9991;3.39;0.62;9.4;5
+9.5;0.59;0.44;2.3;0.071;21;68;0.9992;3.46;0.63;9.5;5
+9.9;0.54;0.45;2.3;0.071;16;40;0.9991;3.39;0.62;9.4;5
+7.8;0.64;0.1;6;0.115;5;11;0.9984;3.37;0.69;10.1;7
+7.3;0.67;0.05;3.6;0.107;6;20;0.9972;3.4;0.63;10.1;5
+8.3;0.845;0.01;2.2;0.07;5;14;0.9967;3.32;0.58;11;4
+8.7;0.48;0.3;2.8;0.066;10;28;0.9964;3.33;0.67;11.2;7
+6.7;0.42;0.27;8.6;0.068;24;148;0.9948;3.16;0.57;11.3;6
+10.7;0.43;0.39;2.2;0.106;8;32;0.9986;2.89;0.5;9.6;5
+9.8;0.88;0.25;2.5;0.104;35;155;1.001;3.41;0.67;11.2;5
+15.9;0.36;0.65;7.5;0.096;22;71;0.9976;2.98;0.84;14.9;5
+9.4;0.33;0.59;2.8;0.079;9;30;0.9976;3.12;0.54;12;6
+8.6;0.47;0.47;2.4;0.074;7;29;0.9979;3.08;0.46;9.5;5
+9.7;0.55;0.17;2.9;0.087;20;53;1.0004;3.14;0.61;9.4;5
+10.7;0.43;0.39;2.2;0.106;8;32;0.9986;2.89;0.5;9.6;5
+12;0.5;0.59;1.4;0.073;23;42;0.998;2.92;0.68;10.5;7
+7.2;0.52;0.07;1.4;0.074;5;20;0.9973;3.32;0.81;9.6;6
+7.1;0.84;0.02;4.4;0.096;5;13;0.997;3.41;0.57;11;4
+7.2;0.52;0.07;1.4;0.074;5;20;0.9973;3.32;0.81;9.6;6
+7.5;0.42;0.31;1.6;0.08;15;42;0.9978;3.31;0.64;9;5
+7.2;0.57;0.06;1.6;0.076;9;27;0.9972;3.36;0.7;9.6;6
+10.1;0.28;0.46;1.8;0.05;5;13;0.9974;3.04;0.79;10.2;6
+12.1;0.4;0.52;2;0.092;15;54;1;3.03;0.66;10.2;5
+9.4;0.59;0.14;2;0.084;25;48;0.9981;3.14;0.56;9.7;5
+8.3;0.49;0.36;1.8;0.222;6;16;0.998;3.18;0.6;9.5;6
+11.3;0.34;0.45;2;0.082;6;15;0.9988;2.94;0.66;9.2;6
+10;0.73;0.43;2.3;0.059;15;31;0.9966;3.15;0.57;11;5
+11.3;0.34;0.45;2;0.082;6;15;0.9988;2.94;0.66;9.2;6
+6.9;0.4;0.24;2.5;0.083;30;45;0.9959;3.26;0.58;10;5
+8.2;0.73;0.21;1.7;0.074;5;13;0.9968;3.2;0.52;9.5;5
+9.8;1.24;0.34;2;0.079;32;151;0.998;3.15;0.53;9.5;5
+8.2;0.73;0.21;1.7;0.074;5;13;0.9968;3.2;0.52;9.5;5
+10.8;0.4;0.41;2.2;0.084;7;17;0.9984;3.08;0.67;9.3;6
+9.3;0.41;0.39;2.2;0.064;12;31;0.9984;3.26;0.65;10.2;5
+10.8;0.4;0.41;2.2;0.084;7;17;0.9984;3.08;0.67;9.3;6
+8.6;0.8;0.11;2.3;0.084;12;31;0.9979;3.4;0.48;9.9;5
+8.3;0.78;0.1;2.6;0.081;45;87;0.9983;3.48;0.53;10;5
+10.8;0.26;0.45;3.3;0.06;20;49;0.9972;3.13;0.54;9.6;5
+13.3;0.43;0.58;1.9;0.07;15;40;1.0004;3.06;0.49;9;5
+8;0.45;0.23;2.2;0.094;16;29;0.9962;3.21;0.49;10.2;6
+8.5;0.46;0.31;2.25;0.078;32;58;0.998;3.33;0.54;9.8;5
+8.1;0.78;0.23;2.6;0.059;5;15;0.997;3.37;0.56;11.3;5
+9.8;0.98;0.32;2.3;0.078;35;152;0.998;3.25;0.48;9.4;5
+8.1;0.78;0.23;2.6;0.059;5;15;0.997;3.37;0.56;11.3;5
+7.1;0.65;0.18;1.8;0.07;13;40;0.997;3.44;0.6;9.1;5
+9.1;0.64;0.23;3.1;0.095;13;38;0.9998;3.28;0.59;9.7;5
+7.7;0.66;0.04;1.6;0.039;4;9;0.9962;3.4;0.47;9.4;5
+8.1;0.38;0.48;1.8;0.157;5;17;0.9976;3.3;1.05;9.4;5
+7.4;1.185;0;4.25;0.097;5;14;0.9966;3.63;0.54;10.7;3
+9.2;0.92;0.24;2.6;0.087;12;93;0.9998;3.48;0.54;9.8;5
+8.6;0.49;0.51;2;0.422;16;62;0.9979;3.03;1.17;9;5
+9;0.48;0.32;2.8;0.084;21;122;0.9984;3.32;0.62;9.4;5
+9;0.47;0.31;2.7;0.084;24;125;0.9984;3.31;0.61;9.4;5
+5.1;0.47;0.02;1.3;0.034;18;44;0.9921;3.9;0.62;12.8;6
+7;0.65;0.02;2.1;0.066;8;25;0.9972;3.47;0.67;9.5;6
+7;0.65;0.02;2.1;0.066;8;25;0.9972;3.47;0.67;9.5;6
+9.4;0.615;0.28;3.2;0.087;18;72;1.0001;3.31;0.53;9.7;5
+11.8;0.38;0.55;2.1;0.071;5;19;0.9986;3.11;0.62;10.8;6
+10.6;1.02;0.43;2.9;0.076;26;88;0.9984;3.08;0.57;10.1;6
+7;0.65;0.02;2.1;0.066;8;25;0.9972;3.47;0.67;9.5;6
+7;0.64;0.02;2.1;0.067;9;23;0.997;3.47;0.67;9.4;6
+7.5;0.38;0.48;2.6;0.073;22;84;0.9972;3.32;0.7;9.6;4
+9.1;0.765;0.04;1.6;0.078;4;14;0.998;3.29;0.54;9.7;4
+8.4;1.035;0.15;6;0.073;11;54;0.999;3.37;0.49;9.9;5
+7;0.78;0.08;2;0.093;10;19;0.9956;3.4;0.47;10;5
+7.4;0.49;0.19;3;0.077;16;37;0.9966;3.37;0.51;10.5;5
+7.8;0.545;0.12;2.5;0.068;11;35;0.996;3.34;0.61;11.6;6
+9.7;0.31;0.47;1.6;0.062;13;33;0.9983;3.27;0.66;10;6
+10.6;1.025;0.43;2.8;0.08;21;84;0.9985;3.06;0.57;10.1;5
+8.9;0.565;0.34;3;0.093;16;112;0.9998;3.38;0.61;9.5;5
+8.7;0.69;0;3.2;0.084;13;33;0.9992;3.36;0.45;9.4;5
+8;0.43;0.36;2.3;0.075;10;48;0.9976;3.34;0.46;9.4;5
+9.9;0.74;0.28;2.6;0.078;21;77;0.998;3.28;0.51;9.8;5
+7.2;0.49;0.18;2.7;0.069;13;34;0.9967;3.29;0.48;9.2;6
+8;0.43;0.36;2.3;0.075;10;48;0.9976;3.34;0.46;9.4;5
+7.6;0.46;0.11;2.6;0.079;12;49;0.9968;3.21;0.57;10;5
+8.4;0.56;0.04;2;0.082;10;22;0.9976;3.22;0.44;9.6;5
+7.1;0.66;0;3.9;0.086;17;45;0.9976;3.46;0.54;9.5;5
+8.4;0.56;0.04;2;0.082;10;22;0.9976;3.22;0.44;9.6;5
+8.9;0.48;0.24;2.85;0.094;35;106;0.9982;3.1;0.53;9.2;5
+7.6;0.42;0.08;2.7;0.084;15;48;0.9968;3.21;0.59;10;5
+7.1;0.31;0.3;2.2;0.053;36;127;0.9965;2.94;1.62;9.5;5
+7.5;1.115;0.1;3.1;0.086;5;12;0.9958;3.54;0.6;11.2;4
+9;0.66;0.17;3;0.077;5;13;0.9976;3.29;0.55;10.4;5
+8.1;0.72;0.09;2.8;0.084;18;49;0.9994;3.43;0.72;11.1;6
+6.4;0.57;0.02;1.8;0.067;4;11;0.997;3.46;0.68;9.5;5
+6.4;0.57;0.02;1.8;0.067;4;11;0.997;3.46;0.68;9.5;5
+6.4;0.865;0.03;3.2;0.071;27;58;0.995;3.61;0.49;12.7;6
+9.5;0.55;0.66;2.3;0.387;12;37;0.9982;3.17;0.67;9.6;5
+8.9;0.875;0.13;3.45;0.088;4;14;0.9994;3.44;0.52;11.5;5
+7.3;0.835;0.03;2.1;0.092;10;19;0.9966;3.39;0.47;9.6;5
+7;0.45;0.34;2.7;0.082;16;72;0.998;3.55;0.6;9.5;5
+7.7;0.56;0.2;2;0.075;9;39;0.9987;3.48;0.62;9.3;5
+7.7;0.965;0.1;2.1;0.112;11;22;0.9963;3.26;0.5;9.5;5
+7.7;0.965;0.1;2.1;0.112;11;22;0.9963;3.26;0.5;9.5;5
+8.2;0.59;0;2.5;0.093;19;58;1.0002;3.5;0.65;9.3;6
+9;0.46;0.23;2.8;0.092;28;104;0.9983;3.1;0.56;9.2;5
+9;0.69;0;2.4;0.088;19;38;0.999;3.35;0.6;9.3;5
+8.3;0.76;0.29;4.2;0.075;12;16;0.9965;3.45;0.68;11.5;6
+9.2;0.53;0.24;2.6;0.078;28;139;0.99788;3.21;0.57;9.5;5
+6.5;0.615;0;1.9;0.065;9;18;0.9972;3.46;0.65;9.2;5
+11.6;0.41;0.58;2.8;0.096;25;101;1.00024;3.13;0.53;10;5
+11.1;0.39;0.54;2.7;0.095;21;101;1.0001;3.13;0.51;9.5;5
+7.3;0.51;0.18;2.1;0.07;12;28;0.99768;3.52;0.73;9.5;6
+8.2;0.34;0.38;2.5;0.08;12;57;0.9978;3.3;0.47;9;6
+8.6;0.33;0.4;2.6;0.083;16;68;0.99782;3.3;0.48;9.4;5
+7.2;0.5;0.18;2.1;0.071;12;31;0.99761;3.52;0.72;9.6;6
+7.3;0.51;0.18;2.1;0.07;12;28;0.99768;3.52;0.73;9.5;6
+8.3;0.65;0.1;2.9;0.089;17;40;0.99803;3.29;0.55;9.5;5
+8.3;0.65;0.1;2.9;0.089;17;40;0.99803;3.29;0.55;9.5;5
+7.6;0.54;0.13;2.5;0.097;24;66;0.99785;3.39;0.61;9.4;5
+8.3;0.65;0.1;2.9;0.089;17;40;0.99803;3.29;0.55;9.5;5
+7.8;0.48;0.68;1.7;0.415;14;32;0.99656;3.09;1.06;9.1;6
+7.8;0.91;0.07;1.9;0.058;22;47;0.99525;3.51;0.43;10.7;6
+6.3;0.98;0.01;2;0.057;15;33;0.99488;3.6;0.46;11.2;6
+8.1;0.87;0;2.2;0.084;10;31;0.99656;3.25;0.5;9.8;5
+8.1;0.87;0;2.2;0.084;10;31;0.99656;3.25;0.5;9.8;5
+8.8;0.42;0.21;2.5;0.092;33;88;0.99823;3.19;0.52;9.2;5
+9;0.58;0.25;2.8;0.075;9;104;0.99779;3.23;0.57;9.7;5
+9.3;0.655;0.26;2;0.096;5;35;0.99738;3.25;0.42;9.6;5
+8.8;0.7;0;1.7;0.069;8;19;0.99701;3.31;0.53;10;6
+9.3;0.655;0.26;2;0.096;5;35;0.99738;3.25;0.42;9.6;5
+9.1;0.68;0.11;2.8;0.093;11;44;0.99888;3.31;0.55;9.5;6
+9.2;0.67;0.1;3;0.091;12;48;0.99888;3.31;0.54;9.5;6
+8.8;0.59;0.18;2.9;0.089;12;74;0.99738;3.14;0.54;9.4;5
+7.5;0.6;0.32;2.7;0.103;13;98;0.99938;3.45;0.62;9.5;5
+7.1;0.59;0.02;2.3;0.082;24;94;0.99744;3.55;0.53;9.7;6
+7.9;0.72;0.01;1.9;0.076;7;32;0.99668;3.39;0.54;9.6;5
+7.1;0.59;0.02;2.3;0.082;24;94;0.99744;3.55;0.53;9.7;6
+9.4;0.685;0.26;2.4;0.082;23;143;0.9978;3.28;0.55;9.4;5
+9.5;0.57;0.27;2.3;0.082;23;144;0.99782;3.27;0.55;9.4;5
+7.9;0.4;0.29;1.8;0.157;1;44;0.9973;3.3;0.92;9.5;6
+7.9;0.4;0.3;1.8;0.157;2;45;0.99727;3.31;0.91;9.5;6
+7.2;1;0;3;0.102;7;16;0.99586;3.43;0.46;10;5
+6.9;0.765;0.18;2.4;0.243;5.5;48;0.99612;3.4;0.6;10.3;6
+6.9;0.635;0.17;2.4;0.241;6;18;0.9961;3.4;0.59;10.3;6
+8.3;0.43;0.3;3.4;0.079;7;34;0.99788;3.36;0.61;10.5;5
+7.1;0.52;0.03;2.6;0.076;21;92;0.99745;3.5;0.6;9.8;5
+7;0.57;0;2;0.19;12;45;0.99676;3.31;0.6;9.4;6
+6.5;0.46;0.14;2.4;0.114;9;37;0.99732;3.66;0.65;9.8;5
+9;0.82;0.05;2.4;0.081;26;96;0.99814;3.36;0.53;10;5
+6.5;0.46;0.14;2.4;0.114;9;37;0.99732;3.66;0.65;9.8;5
+7.1;0.59;0.01;2.5;0.077;20;85;0.99746;3.55;0.59;9.8;5
+9.9;0.35;0.41;2.3;0.083;11;61;0.9982;3.21;0.5;9.5;5
+9.9;0.35;0.41;2.3;0.083;11;61;0.9982;3.21;0.5;9.5;5
+10;0.56;0.24;2.2;0.079;19;58;0.9991;3.18;0.56;10.1;6
+10;0.56;0.24;2.2;0.079;19;58;0.9991;3.18;0.56;10.1;6
+8.6;0.63;0.17;2.9;0.099;21;119;0.998;3.09;0.52;9.3;5
+7.4;0.37;0.43;2.6;0.082;18;82;0.99708;3.33;0.68;9.7;6
+8.8;0.64;0.17;2.9;0.084;25;130;0.99818;3.23;0.54;9.6;5
+7.1;0.61;0.02;2.5;0.081;17;87;0.99745;3.48;0.6;9.7;6
+7.7;0.6;0;2.6;0.055;7;13;0.99639;3.38;0.56;10.8;5
+10.1;0.27;0.54;2.3;0.065;7;26;0.99531;3.17;0.53;12.5;6
+10.8;0.89;0.3;2.6;0.132;7;60;0.99786;2.99;1.18;10.2;5
+8.7;0.46;0.31;2.5;0.126;24;64;0.99746;3.1;0.74;9.6;5
+9.3;0.37;0.44;1.6;0.038;21;42;0.99526;3.24;0.81;10.8;7
+9.4;0.5;0.34;3.6;0.082;5;14;0.9987;3.29;0.52;10.7;6
+9.4;0.5;0.34;3.6;0.082;5;14;0.9987;3.29;0.52;10.7;6
+7.2;0.61;0.08;4;0.082;26;108;0.99641;3.25;0.51;9.4;5
+8.6;0.55;0.09;3.3;0.068;8;17;0.99735;3.23;0.44;10;5
+5.1;0.585;0;1.7;0.044;14;86;0.99264;3.56;0.94;12.9;7
+7.7;0.56;0.08;2.5;0.114;14;46;0.9971;3.24;0.66;9.6;6
+8.4;0.52;0.22;2.7;0.084;4;18;0.99682;3.26;0.57;9.9;6
+8.2;0.28;0.4;2.4;0.052;4;10;0.99356;3.33;0.7;12.8;7
+8.4;0.25;0.39;2;0.041;4;10;0.99386;3.27;0.71;12.5;7
+8.2;0.28;0.4;2.4;0.052;4;10;0.99356;3.33;0.7;12.8;7
+7.4;0.53;0.12;1.9;0.165;4;12;0.99702;3.26;0.86;9.2;5
+7.6;0.48;0.31;2.8;0.07;4;15;0.99693;3.22;0.55;10.3;6
+7.3;0.49;0.1;2.6;0.068;4;14;0.99562;3.3;0.47;10.5;5
+12.9;0.5;0.55;2.8;0.072;7;24;1.00012;3.09;0.68;10.9;6
+10.8;0.45;0.33;2.5;0.099;20;38;0.99818;3.24;0.71;10.8;5
+6.9;0.39;0.24;2.1;0.102;4;7;0.99462;3.44;0.58;11.4;4
+12.6;0.41;0.54;2.8;0.103;19;41;0.99939;3.21;0.76;11.3;6
+10.8;0.45;0.33;2.5;0.099;20;38;0.99818;3.24;0.71;10.8;5
+9.8;0.51;0.19;3.2;0.081;8;30;0.9984;3.23;0.58;10.5;6
+10.8;0.29;0.42;1.6;0.084;19;27;0.99545;3.28;0.73;11.9;6
+7.1;0.715;0;2.35;0.071;21;47;0.99632;3.29;0.45;9.4;5
+9.1;0.66;0.15;3.2;0.097;9;59;0.99976;3.28;0.54;9.6;5
+7;0.685;0;1.9;0.099;9;22;0.99606;3.34;0.6;9.7;5
+4.9;0.42;0;2.1;0.048;16;42;0.99154;3.71;0.74;14;7
+6.7;0.54;0.13;2;0.076;15;36;0.9973;3.61;0.64;9.8;5
+6.7;0.54;0.13;2;0.076;15;36;0.9973;3.61;0.64;9.8;5
+7.1;0.48;0.28;2.8;0.068;6;16;0.99682;3.24;0.53;10.3;5
+7.1;0.46;0.14;2.8;0.076;15;37;0.99624;3.36;0.49;10.7;5
+7.5;0.27;0.34;2.3;0.05;4;8;0.9951;3.4;0.64;11;7
+7.1;0.46;0.14;2.8;0.076;15;37;0.99624;3.36;0.49;10.7;5
+7.8;0.57;0.09;2.3;0.065;34;45;0.99417;3.46;0.74;12.7;8
+5.9;0.61;0.08;2.1;0.071;16;24;0.99376;3.56;0.77;11.1;6
+7.5;0.685;0.07;2.5;0.058;5;9;0.99632;3.38;0.55;10.9;4
+5.9;0.61;0.08;2.1;0.071;16;24;0.99376;3.56;0.77;11.1;6
+10.4;0.44;0.42;1.5;0.145;34;48;0.99832;3.38;0.86;9.9;3
+11.6;0.47;0.44;1.6;0.147;36;51;0.99836;3.38;0.86;9.9;4
+8.8;0.685;0.26;1.6;0.088;16;23;0.99694;3.32;0.47;9.4;5
+7.6;0.665;0.1;1.5;0.066;27;55;0.99655;3.39;0.51;9.3;5
+6.7;0.28;0.28;2.4;0.012;36;100;0.99064;3.26;0.39;11.7;7
+6.7;0.28;0.28;2.4;0.012;36;100;0.99064;3.26;0.39;11.7;7
+10.1;0.31;0.35;1.6;0.075;9;28;0.99672;3.24;0.83;11.2;7
+6;0.5;0.04;2.2;0.092;13;26;0.99647;3.46;0.47;10;5
+11.1;0.42;0.47;2.65;0.085;9;34;0.99736;3.24;0.77;12.1;7
+6.6;0.66;0;3;0.115;21;31;0.99629;3.45;0.63;10.3;5
+10.6;0.5;0.45;2.6;0.119;34;68;0.99708;3.23;0.72;10.9;6
+7.1;0.685;0.35;2;0.088;9;92;0.9963;3.28;0.62;9.4;5
+9.9;0.25;0.46;1.7;0.062;26;42;0.9959;3.18;0.83;10.6;6
+6.4;0.64;0.21;1.8;0.081;14;31;0.99689;3.59;0.66;9.8;5
+6.4;0.64;0.21;1.8;0.081;14;31;0.99689;3.59;0.66;9.8;5
+7.4;0.68;0.16;1.8;0.078;12;39;0.9977;3.5;0.7;9.9;6
+6.4;0.64;0.21;1.8;0.081;14;31;0.99689;3.59;0.66;9.8;5
+6.4;0.63;0.21;1.6;0.08;12;32;0.99689;3.58;0.66;9.8;5
+9.3;0.43;0.44;1.9;0.085;9;22;0.99708;3.28;0.55;9.5;5
+9.3;0.43;0.44;1.9;0.085;9;22;0.99708;3.28;0.55;9.5;5
+8;0.42;0.32;2.5;0.08;26;122;0.99801;3.22;1.07;9.7;5
+9.3;0.36;0.39;1.5;0.08;41;55;0.99652;3.47;0.73;10.9;6
+9.3;0.36;0.39;1.5;0.08;41;55;0.99652;3.47;0.73;10.9;6
+7.6;0.735;0.02;2.5;0.071;10;14;0.99538;3.51;0.71;11.7;7
+9.3;0.36;0.39;1.5;0.08;41;55;0.99652;3.47;0.73;10.9;6
+8.2;0.26;0.34;2.5;0.073;16;47;0.99594;3.4;0.78;11.3;7
+11.7;0.28;0.47;1.7;0.054;17;32;0.99686;3.15;0.67;10.6;7
+6.8;0.56;0.22;1.8;0.074;15;24;0.99438;3.4;0.82;11.2;6
+7.2;0.62;0.06;2.7;0.077;15;85;0.99746;3.51;0.54;9.5;5
+5.8;1.01;0.66;2;0.039;15;88;0.99357;3.66;0.6;11.5;6
+7.5;0.42;0.32;2.7;0.067;7;25;0.99628;3.24;0.44;10.4;5
+7.2;0.62;0.06;2.5;0.078;17;84;0.99746;3.51;0.53;9.7;5
+7.2;0.62;0.06;2.7;0.077;15;85;0.99746;3.51;0.54;9.5;5
+7.2;0.635;0.07;2.6;0.077;16;86;0.99748;3.51;0.54;9.7;5
+6.8;0.49;0.22;2.3;0.071;13;24;0.99438;3.41;0.83;11.3;6
+6.9;0.51;0.23;2;0.072;13;22;0.99438;3.4;0.84;11.2;6
+6.8;0.56;0.22;1.8;0.074;15;24;0.99438;3.4;0.82;11.2;6
+7.6;0.63;0.03;2;0.08;27;43;0.99578;3.44;0.64;10.9;6
+7.7;0.715;0.01;2.1;0.064;31;43;0.99371;3.41;0.57;11.8;6
+6.9;0.56;0.03;1.5;0.086;36;46;0.99522;3.53;0.57;10.6;5
+7.3;0.35;0.24;2;0.067;28;48;0.99576;3.43;0.54;10;4
+9.1;0.21;0.37;1.6;0.067;6;10;0.99552;3.23;0.58;11.1;7
+10.4;0.38;0.46;2.1;0.104;6;10;0.99664;3.12;0.65;11.8;7
+8.8;0.31;0.4;2.8;0.109;7;16;0.99614;3.31;0.79;11.8;7
+7.1;0.47;0;2.2;0.067;7;14;0.99517;3.4;0.58;10.9;4
+7.7;0.715;0.01;2.1;0.064;31;43;0.99371;3.41;0.57;11.8;6
+8.8;0.61;0.19;4;0.094;30;69;0.99787;3.22;0.5;10;6
+7.2;0.6;0.04;2.5;0.076;18;88;0.99745;3.53;0.55;9.5;5
+9.2;0.56;0.18;1.6;0.078;10;21;0.99576;3.15;0.49;9.9;5
+7.6;0.715;0;2.1;0.068;30;35;0.99533;3.48;0.65;11.4;6
+8.4;0.31;0.29;3.1;0.194;14;26;0.99536;3.22;0.78;12;6
+7.2;0.6;0.04;2.5;0.076;18;88;0.99745;3.53;0.55;9.5;5
+8.8;0.61;0.19;4;0.094;30;69;0.99787;3.22;0.5;10;6
+8.9;0.75;0.14;2.5;0.086;9;30;0.99824;3.34;0.64;10.5;5
+9;0.8;0.12;2.4;0.083;8;28;0.99836;3.33;0.65;10.4;6
+10.7;0.52;0.38;2.6;0.066;29;56;0.99577;3.15;0.79;12.1;7
+6.8;0.57;0;2.5;0.072;32;64;0.99491;3.43;0.56;11.2;6
+10.7;0.9;0.34;6.6;0.112;23;99;1.00289;3.22;0.68;9.3;5
+7.2;0.34;0.24;2;0.071;30;52;0.99576;3.44;0.58;10.1;5
+7.2;0.66;0.03;2.3;0.078;16;86;0.99743;3.53;0.57;9.7;5
+10.1;0.45;0.23;1.9;0.082;10;18;0.99774;3.22;0.65;9.3;6
+7.2;0.66;0.03;2.3;0.078;16;86;0.99743;3.53;0.57;9.7;5
+7.2;0.63;0.03;2.2;0.08;17;88;0.99745;3.53;0.58;9.8;6
+7.1;0.59;0.01;2.3;0.08;27;43;0.9955;3.42;0.58;10.7;6
+8.3;0.31;0.39;2.4;0.078;17;43;0.99444;3.31;0.77;12.5;7
+7.1;0.59;0.01;2.3;0.08;27;43;0.9955;3.42;0.58;10.7;6
+8.3;0.31;0.39;2.4;0.078;17;43;0.99444;3.31;0.77;12.5;7
+8.3;1.02;0.02;3.4;0.084;6;11;0.99892;3.48;0.49;11;3
+8.9;0.31;0.36;2.6;0.056;10;39;0.99562;3.4;0.69;11.8;5
+7.4;0.635;0.1;2.4;0.08;16;33;0.99736;3.58;0.69;10.8;7
+7.4;0.635;0.1;2.4;0.08;16;33;0.99736;3.58;0.69;10.8;7
+6.8;0.59;0.06;6;0.06;11;18;0.9962;3.41;0.59;10.8;7
+6.8;0.59;0.06;6;0.06;11;18;0.9962;3.41;0.59;10.8;7
+9.2;0.58;0.2;3;0.081;15;115;0.998;3.23;0.59;9.5;5
+7.2;0.54;0.27;2.6;0.084;12;78;0.9964;3.39;0.71;11;5
+6.1;0.56;0;2.2;0.079;6;9;0.9948;3.59;0.54;11.5;6
+7.4;0.52;0.13;2.4;0.078;34;61;0.99528;3.43;0.59;10.8;6
+7.3;0.305;0.39;1.2;0.059;7;11;0.99331;3.29;0.52;11.5;6
+9.3;0.38;0.48;3.8;0.132;3;11;0.99577;3.23;0.57;13.2;6
+9.1;0.28;0.46;9;0.114;3;9;0.99901;3.18;0.6;10.9;6
+10;0.46;0.44;2.9;0.065;4;8;0.99674;3.33;0.62;12.2;6
+9.4;0.395;0.46;4.6;0.094;3;10;0.99639;3.27;0.64;12.2;7
+7.3;0.305;0.39;1.2;0.059;7;11;0.99331;3.29;0.52;11.5;6
+8.6;0.315;0.4;2.2;0.079;3;6;0.99512;3.27;0.67;11.9;6
+5.3;0.715;0.19;1.5;0.161;7;62;0.99395;3.62;0.61;11;5
+6.8;0.41;0.31;8.8;0.084;26;45;0.99824;3.38;0.64;10.1;6
+8.4;0.36;0.32;2.2;0.081;32;79;0.9964;3.3;0.72;11;6
+8.4;0.62;0.12;1.8;0.072;38;46;0.99504;3.38;0.89;11.8;6
+9.6;0.41;0.37;2.3;0.091;10;23;0.99786;3.24;0.56;10.5;5
+8.4;0.36;0.32;2.2;0.081;32;79;0.9964;3.3;0.72;11;6
+8.4;0.62;0.12;1.8;0.072;38;46;0.99504;3.38;0.89;11.8;6
+6.8;0.41;0.31;8.8;0.084;26;45;0.99824;3.38;0.64;10.1;6
+8.6;0.47;0.27;2.3;0.055;14;28;0.99516;3.18;0.8;11.2;5
+8.6;0.22;0.36;1.9;0.064;53;77;0.99604;3.47;0.87;11;7
+9.4;0.24;0.33;2.3;0.061;52;73;0.99786;3.47;0.9;10.2;6
+8.4;0.67;0.19;2.2;0.093;11;75;0.99736;3.2;0.59;9.2;4
+8.6;0.47;0.27;2.3;0.055;14;28;0.99516;3.18;0.8;11.2;5
+8.7;0.33;0.38;3.3;0.063;10;19;0.99468;3.3;0.73;12;7
+6.6;0.61;0.01;1.9;0.08;8;25;0.99746;3.69;0.73;10.5;5
+7.4;0.61;0.01;2;0.074;13;38;0.99748;3.48;0.65;9.8;5
+7.6;0.4;0.29;1.9;0.078;29;66;0.9971;3.45;0.59;9.5;6
+7.4;0.61;0.01;2;0.074;13;38;0.99748;3.48;0.65;9.8;5
+6.6;0.61;0.01;1.9;0.08;8;25;0.99746;3.69;0.73;10.5;5
+8.8;0.3;0.38;2.3;0.06;19;72;0.99543;3.39;0.72;11.8;6
+8.8;0.3;0.38;2.3;0.06;19;72;0.99543;3.39;0.72;11.8;6
+12;0.63;0.5;1.4;0.071;6;26;0.99791;3.07;0.6;10.4;4
+7.2;0.38;0.38;2.8;0.068;23;42;0.99356;3.34;0.72;12.9;7
+6.2;0.46;0.17;1.6;0.073;7;11;0.99425;3.61;0.54;11.4;5
+9.6;0.33;0.52;2.2;0.074;13;25;0.99509;3.36;0.76;12.4;7
+9.9;0.27;0.49;5;0.082;9;17;0.99484;3.19;0.52;12.5;7
+10.1;0.43;0.4;2.6;0.092;13;52;0.99834;3.22;0.64;10;7
+9.8;0.5;0.34;2.3;0.094;10;45;0.99864;3.24;0.6;9.7;7
+8.3;0.3;0.49;3.8;0.09;11;24;0.99498;3.27;0.64;12.1;7
+10.2;0.44;0.42;2;0.071;7;20;0.99566;3.14;0.79;11.1;7
+10.2;0.44;0.58;4.1;0.092;11;24;0.99745;3.29;0.99;12;7
+8.3;0.28;0.48;2.1;0.093;6;12;0.99408;3.26;0.62;12.4;7
+8.9;0.12;0.45;1.8;0.075;10;21;0.99552;3.41;0.76;11.9;7
+8.9;0.12;0.45;1.8;0.075;10;21;0.99552;3.41;0.76;11.9;7
+8.9;0.12;0.45;1.8;0.075;10;21;0.99552;3.41;0.76;11.9;7
+8.3;0.28;0.48;2.1;0.093;6;12;0.99408;3.26;0.62;12.4;7
+8.2;0.31;0.4;2.2;0.058;6;10;0.99536;3.31;0.68;11.2;7
+10.2;0.34;0.48;2.1;0.052;5;9;0.99458;3.2;0.69;12.1;7
+7.6;0.43;0.4;2.7;0.082;6;11;0.99538;3.44;0.54;12.2;6
+8.5;0.21;0.52;1.9;0.09;9;23;0.99648;3.36;0.67;10.4;5
+9;0.36;0.52;2.1;0.111;5;10;0.99568;3.31;0.62;11.3;6
+9.5;0.37;0.52;2;0.088;12;51;0.99613;3.29;0.58;11.1;6
+6.4;0.57;0.12;2.3;0.12;25;36;0.99519;3.47;0.71;11.3;7
+8;0.59;0.05;2;0.089;12;32;0.99735;3.36;0.61;10;5
+8.5;0.47;0.27;1.9;0.058;18;38;0.99518;3.16;0.85;11.1;6
+7.1;0.56;0.14;1.6;0.078;7;18;0.99592;3.27;0.62;9.3;5
+6.6;0.57;0.02;2.1;0.115;6;16;0.99654;3.38;0.69;9.5;5
+8.8;0.27;0.39;2;0.1;20;27;0.99546;3.15;0.69;11.2;6
+8.5;0.47;0.27;1.9;0.058;18;38;0.99518;3.16;0.85;11.1;6
+8.3;0.34;0.4;2.4;0.065;24;48;0.99554;3.34;0.86;11;6
+9;0.38;0.41;2.4;0.103;6;10;0.99604;3.13;0.58;11.9;7
+8.5;0.66;0.2;2.1;0.097;23;113;0.99733;3.13;0.48;9.2;5
+9;0.4;0.43;2.4;0.068;29;46;0.9943;3.2;0.6;12.2;6
+6.7;0.56;0.09;2.9;0.079;7;22;0.99669;3.46;0.61;10.2;5
+10.4;0.26;0.48;1.9;0.066;6;10;0.99724;3.33;0.87;10.9;6
+10.4;0.26;0.48;1.9;0.066;6;10;0.99724;3.33;0.87;10.9;6
+10.1;0.38;0.5;2.4;0.104;6;13;0.99643;3.22;0.65;11.6;7
+8.5;0.34;0.44;1.7;0.079;6;12;0.99605;3.52;0.63;10.7;5
+8.8;0.33;0.41;5.9;0.073;7;13;0.99658;3.3;0.62;12.1;7
+7.2;0.41;0.3;2.1;0.083;35;72;0.997;3.44;0.52;9.4;5
+7.2;0.41;0.3;2.1;0.083;35;72;0.997;3.44;0.52;9.4;5
+8.4;0.59;0.29;2.6;0.109;31;119;0.99801;3.15;0.5;9.1;5
+7;0.4;0.32;3.6;0.061;9;29;0.99416;3.28;0.49;11.3;7
+12.2;0.45;0.49;1.4;0.075;3;6;0.9969;3.13;0.63;10.4;5
+9.1;0.5;0.3;1.9;0.065;8;17;0.99774;3.32;0.71;10.5;6
+9.5;0.86;0.26;1.9;0.079;13;28;0.99712;3.25;0.62;10;5
+7.3;0.52;0.32;2.1;0.07;51;70;0.99418;3.34;0.82;12.9;6
+9.1;0.5;0.3;1.9;0.065;8;17;0.99774;3.32;0.71;10.5;6
+12.2;0.45;0.49;1.4;0.075;3;6;0.9969;3.13;0.63;10.4;5
+7.4;0.58;0;2;0.064;7;11;0.99562;3.45;0.58;11.3;6
+9.8;0.34;0.39;1.4;0.066;3;7;0.9947;3.19;0.55;11.4;7
+7.1;0.36;0.3;1.6;0.08;35;70;0.99693;3.44;0.5;9.4;5
+7.7;0.39;0.12;1.7;0.097;19;27;0.99596;3.16;0.49;9.4;5
+9.7;0.295;0.4;1.5;0.073;14;21;0.99556;3.14;0.51;10.9;6
+7.7;0.39;0.12;1.7;0.097;19;27;0.99596;3.16;0.49;9.4;5
+7.1;0.34;0.28;2;0.082;31;68;0.99694;3.45;0.48;9.4;5
+6.5;0.4;0.1;2;0.076;30;47;0.99554;3.36;0.48;9.4;6
+7.1;0.34;0.28;2;0.082;31;68;0.99694;3.45;0.48;9.4;5
+10;0.35;0.45;2.5;0.092;20;88;0.99918;3.15;0.43;9.4;5
+7.7;0.6;0.06;2;0.079;19;41;0.99697;3.39;0.62;10.1;6
+5.6;0.66;0;2.2;0.087;3;11;0.99378;3.71;0.63;12.8;7
+5.6;0.66;0;2.2;0.087;3;11;0.99378;3.71;0.63;12.8;7
+8.9;0.84;0.34;1.4;0.05;4;10;0.99554;3.12;0.48;9.1;6
+6.4;0.69;0;1.65;0.055;7;12;0.99162;3.47;0.53;12.9;6
+7.5;0.43;0.3;2.2;0.062;6;12;0.99495;3.44;0.72;11.5;7
+9.9;0.35;0.38;1.5;0.058;31;47;0.99676;3.26;0.82;10.6;7
+9.1;0.29;0.33;2.05;0.063;13;27;0.99516;3.26;0.84;11.7;7
+6.8;0.36;0.32;1.8;0.067;4;8;0.9928;3.36;0.55;12.8;7
+8.2;0.43;0.29;1.6;0.081;27;45;0.99603;3.25;0.54;10.3;5
+6.8;0.36;0.32;1.8;0.067;4;8;0.9928;3.36;0.55;12.8;7
+9.1;0.29;0.33;2.05;0.063;13;27;0.99516;3.26;0.84;11.7;7
+9.1;0.3;0.34;2;0.064;12;25;0.99516;3.26;0.84;11.7;7
+8.9;0.35;0.4;3.6;0.11;12;24;0.99549;3.23;0.7;12;7
+9.6;0.5;0.36;2.8;0.116;26;55;0.99722;3.18;0.68;10.9;5
+8.9;0.28;0.45;1.7;0.067;7;12;0.99354;3.25;0.55;12.3;7
+8.9;0.32;0.31;2;0.088;12;19;0.9957;3.17;0.55;10.4;6
+7.7;1.005;0.15;2.1;0.102;11;32;0.99604;3.23;0.48;10;5
+7.5;0.71;0;1.6;0.092;22;31;0.99635;3.38;0.58;10;6
+8;0.58;0.16;2;0.12;3;7;0.99454;3.22;0.58;11.2;6
+10.5;0.39;0.46;2.2;0.075;14;27;0.99598;3.06;0.84;11.4;6
+8.9;0.38;0.4;2.2;0.068;12;28;0.99486;3.27;0.75;12.6;7
+8;0.18;0.37;0.9;0.049;36;109;0.99007;2.89;0.44;12.7;6
+8;0.18;0.37;0.9;0.049;36;109;0.99007;2.89;0.44;12.7;6
+7;0.5;0.14;1.8;0.078;10;23;0.99636;3.53;0.61;10.4;5
+11.3;0.36;0.66;2.4;0.123;3;8;0.99642;3.2;0.53;11.9;6
+11.3;0.36;0.66;2.4;0.123;3;8;0.99642;3.2;0.53;11.9;6
+7;0.51;0.09;2.1;0.062;4;9;0.99584;3.35;0.54;10.5;5
+8.2;0.32;0.42;2.3;0.098;3;9;0.99506;3.27;0.55;12.3;6
+7.7;0.58;0.01;1.8;0.088;12;18;0.99568;3.32;0.56;10.5;7
+8.6;0.83;0;2.8;0.095;17;43;0.99822;3.33;0.6;10.4;6
+7.9;0.31;0.32;1.9;0.066;14;36;0.99364;3.41;0.56;12.6;6
+6.4;0.795;0;2.2;0.065;28;52;0.99378;3.49;0.52;11.6;5
+7.2;0.34;0.21;2.5;0.075;41;68;0.99586;3.37;0.54;10.1;6
+7.7;0.58;0.01;1.8;0.088;12;18;0.99568;3.32;0.56;10.5;7
+7.1;0.59;0;2.1;0.091;9;14;0.99488;3.42;0.55;11.5;7
+7.3;0.55;0.01;1.8;0.093;9;15;0.99514;3.35;0.58;11;7
+8.1;0.82;0;4.1;0.095;5;14;0.99854;3.36;0.53;9.6;5
+7.5;0.57;0.08;2.6;0.089;14;27;0.99592;3.3;0.59;10.4;6
+8.9;0.745;0.18;2.5;0.077;15;48;0.99739;3.2;0.47;9.7;6
+10.1;0.37;0.34;2.4;0.085;5;17;0.99683;3.17;0.65;10.6;7
+7.6;0.31;0.34;2.5;0.082;26;35;0.99356;3.22;0.59;12.5;7
+7.3;0.91;0.1;1.8;0.074;20;56;0.99672;3.35;0.56;9.2;5
+8.7;0.41;0.41;6.2;0.078;25;42;0.9953;3.24;0.77;12.6;7
+8.9;0.5;0.21;2.2;0.088;21;39;0.99692;3.33;0.83;11.1;6
+7.4;0.965;0;2.2;0.088;16;32;0.99756;3.58;0.67;10.2;5
+6.9;0.49;0.19;1.7;0.079;13;26;0.99547;3.38;0.64;9.8;6
+8.9;0.5;0.21;2.2;0.088;21;39;0.99692;3.33;0.83;11.1;6
+9.5;0.39;0.41;8.9;0.069;18;39;0.99859;3.29;0.81;10.9;7
+6.4;0.39;0.33;3.3;0.046;12;53;0.99294;3.36;0.62;12.2;6
+6.9;0.44;0;1.4;0.07;32;38;0.99438;3.32;0.58;11.4;6
+7.6;0.78;0;1.7;0.076;33;45;0.99612;3.31;0.62;10.7;6
+7.1;0.43;0.17;1.8;0.082;27;51;0.99634;3.49;0.64;10.4;5
+9.3;0.49;0.36;1.7;0.081;3;14;0.99702;3.27;0.78;10.9;6
+9.3;0.5;0.36;1.8;0.084;6;17;0.99704;3.27;0.77;10.8;6
+7.1;0.43;0.17;1.8;0.082;27;51;0.99634;3.49;0.64;10.4;5
+8.5;0.46;0.59;1.4;0.414;16;45;0.99702;3.03;1.34;9.2;5
+5.6;0.605;0.05;2.4;0.073;19;25;0.99258;3.56;0.55;12.9;5
+8.3;0.33;0.42;2.3;0.07;9;20;0.99426;3.38;0.77;12.7;7
+8.2;0.64;0.27;2;0.095;5;77;0.99747;3.13;0.62;9.1;6
+8.2;0.64;0.27;2;0.095;5;77;0.99747;3.13;0.62;9.1;6
+8.9;0.48;0.53;4;0.101;3;10;0.99586;3.21;0.59;12.1;7
+7.6;0.42;0.25;3.9;0.104;28;90;0.99784;3.15;0.57;9.1;5
+9.9;0.53;0.57;2.4;0.093;30;52;0.9971;3.19;0.76;11.6;7
+8.9;0.48;0.53;4;0.101;3;10;0.99586;3.21;0.59;12.1;7
+11.6;0.23;0.57;1.8;0.074;3;8;0.9981;3.14;0.7;9.9;6
+9.1;0.4;0.5;1.8;0.071;7;16;0.99462;3.21;0.69;12.5;8
+8;0.38;0.44;1.9;0.098;6;15;0.9956;3.3;0.64;11.4;6
+10.2;0.29;0.65;2.4;0.075;6;17;0.99565;3.22;0.63;11.8;6
+8.2;0.74;0.09;2;0.067;5;10;0.99418;3.28;0.57;11.8;6
+7.7;0.61;0.18;2.4;0.083;6;20;0.9963;3.29;0.6;10.2;6
+6.6;0.52;0.08;2.4;0.07;13;26;0.99358;3.4;0.72;12.5;7
+11.1;0.31;0.53;2.2;0.06;3;10;0.99572;3.02;0.83;10.9;7
+11.1;0.31;0.53;2.2;0.06;3;10;0.99572;3.02;0.83;10.9;7
+8;0.62;0.35;2.8;0.086;28;52;0.997;3.31;0.62;10.8;5
+9.3;0.33;0.45;1.5;0.057;19;37;0.99498;3.18;0.89;11.1;7
+7.5;0.77;0.2;8.1;0.098;30;92;0.99892;3.2;0.58;9.2;5
+7.2;0.35;0.26;1.8;0.083;33;75;0.9968;3.4;0.58;9.5;6
+8;0.62;0.33;2.7;0.088;16;37;0.9972;3.31;0.58;10.7;6
+7.5;0.77;0.2;8.1;0.098;30;92;0.99892;3.2;0.58;9.2;5
+9.1;0.25;0.34;2;0.071;45;67;0.99769;3.44;0.86;10.2;7
+9.9;0.32;0.56;2;0.073;3;8;0.99534;3.15;0.73;11.4;6
+8.6;0.37;0.65;6.4;0.08;3;8;0.99817;3.27;0.58;11;5
+8.6;0.37;0.65;6.4;0.08;3;8;0.99817;3.27;0.58;11;5
+7.9;0.3;0.68;8.3;0.05;37.5;278;0.99316;3.01;0.51;12.3;7
+10.3;0.27;0.56;1.4;0.047;3;8;0.99471;3.16;0.51;11.8;6
+7.9;0.3;0.68;8.3;0.05;37.5;289;0.99316;3.01;0.51;12.3;7
+7.2;0.38;0.3;1.8;0.073;31;70;0.99685;3.42;0.59;9.5;6
+8.7;0.42;0.45;2.4;0.072;32;59;0.99617;3.33;0.77;12;6
+7.2;0.38;0.3;1.8;0.073;31;70;0.99685;3.42;0.59;9.5;6
+6.8;0.48;0.08;1.8;0.074;40;64;0.99529;3.12;0.49;9.6;5
+8.5;0.34;0.4;4.7;0.055;3;9;0.99738;3.38;0.66;11.6;7
+7.9;0.19;0.42;1.6;0.057;18;30;0.994;3.29;0.69;11.2;6
+11.6;0.41;0.54;1.5;0.095;22;41;0.99735;3.02;0.76;9.9;7
+11.6;0.41;0.54;1.5;0.095;22;41;0.99735;3.02;0.76;9.9;7
+10;0.26;0.54;1.9;0.083;42;74;0.99451;2.98;0.63;11.8;8
+7.9;0.34;0.42;2;0.086;8;19;0.99546;3.35;0.6;11.4;6
+7;0.54;0.09;2;0.081;10;16;0.99479;3.43;0.59;11.5;6
+9.2;0.31;0.36;2.2;0.079;11;31;0.99615;3.33;0.86;12;7
+6.6;0.725;0.09;5.5;0.117;9;17;0.99655;3.35;0.49;10.8;6
+9.4;0.4;0.47;2.5;0.087;6;20;0.99772;3.15;0.5;10.5;5
+6.6;0.725;0.09;5.5;0.117;9;17;0.99655;3.35;0.49;10.8;6
+8.6;0.52;0.38;1.5;0.096;5;18;0.99666;3.2;0.52;9.4;5
+8;0.31;0.45;2.1;0.216;5;16;0.99358;3.15;0.81;12.5;7
+8.6;0.52;0.38;1.5;0.096;5;18;0.99666;3.2;0.52;9.4;5
+8.4;0.34;0.42;2.1;0.072;23;36;0.99392;3.11;0.78;12.4;6
+7.4;0.49;0.27;2.1;0.071;14;25;0.99388;3.35;0.63;12;6
+6.1;0.48;0.09;1.7;0.078;18;30;0.99402;3.45;0.54;11.2;6
+7.4;0.49;0.27;2.1;0.071;14;25;0.99388;3.35;0.63;12;6
+8;0.48;0.34;2.2;0.073;16;25;0.9936;3.28;0.66;12.4;6
+6.3;0.57;0.28;2.1;0.048;13;49;0.99374;3.41;0.6;12.8;5
+8.2;0.23;0.42;1.9;0.069;9;17;0.99376;3.21;0.54;12.3;6
+9.1;0.3;0.41;2;0.068;10;24;0.99523;3.27;0.85;11.7;7
+8.1;0.78;0.1;3.3;0.09;4;13;0.99855;3.36;0.49;9.5;5
+10.8;0.47;0.43;2.1;0.171;27;66;0.9982;3.17;0.76;10.8;6
+8.3;0.53;0;1.4;0.07;6;14;0.99593;3.25;0.64;10;6
+5.4;0.42;0.27;2;0.092;23;55;0.99471;3.78;0.64;12.3;7
+7.9;0.33;0.41;1.5;0.056;6;35;0.99396;3.29;0.71;11;6
+8.9;0.24;0.39;1.6;0.074;3;10;0.99698;3.12;0.59;9.5;6
+5;0.4;0.5;4.3;0.046;29;80;0.9902;3.49;0.66;13.6;6
+7;0.69;0.07;2.5;0.091;15;21;0.99572;3.38;0.6;11.3;6
+7;0.69;0.07;2.5;0.091;15;21;0.99572;3.38;0.6;11.3;6
+7;0.69;0.07;2.5;0.091;15;21;0.99572;3.38;0.6;11.3;6
+7.1;0.39;0.12;2.1;0.065;14;24;0.99252;3.3;0.53;13.3;6
+5.6;0.66;0;2.5;0.066;7;15;0.99256;3.52;0.58;12.9;5
+7.9;0.54;0.34;2.5;0.076;8;17;0.99235;3.2;0.72;13.1;8
+6.6;0.5;0;1.8;0.062;21;28;0.99352;3.44;0.55;12.3;6
+6.3;0.47;0;1.4;0.055;27;33;0.9922;3.45;0.48;12.3;6
+10.7;0.4;0.37;1.9;0.081;17;29;0.99674;3.12;0.65;11.2;6
+6.5;0.58;0;2.2;0.096;3;13;0.99557;3.62;0.62;11.5;4
+8.8;0.24;0.35;1.7;0.055;13;27;0.99394;3.14;0.59;11.3;7
+5.8;0.29;0.26;1.7;0.063;3;11;0.9915;3.39;0.54;13.5;6
+6.3;0.76;0;2.9;0.072;26;52;0.99379;3.51;0.6;11.5;6
+10;0.43;0.33;2.7;0.095;28;89;0.9984;3.22;0.68;10;5
+10.5;0.43;0.35;3.3;0.092;24;70;0.99798;3.21;0.69;10.5;6
+9.1;0.6;0;1.9;0.058;5;10;0.9977;3.18;0.63;10.4;6
+5.9;0.19;0.21;1.7;0.045;57;135;0.99341;3.32;0.44;9.5;5
+7.4;0.36;0.34;1.8;0.075;18;38;0.9933;3.38;0.88;13.6;7
+7.2;0.48;0.07;5.5;0.089;10;18;0.99684;3.37;0.68;11.2;7
+8.5;0.28;0.35;1.7;0.061;6;15;0.99524;3.3;0.74;11.8;7
+8;0.25;0.43;1.7;0.067;22;50;0.9946;3.38;0.6;11.9;6
+10.4;0.52;0.45;2;0.08;6;13;0.99774;3.22;0.76;11.4;6
+10.4;0.52;0.45;2;0.08;6;13;0.99774;3.22;0.76;11.4;6
+7.5;0.41;0.15;3.7;0.104;29;94;0.99786;3.14;0.58;9.1;5
+8.2;0.51;0.24;2;0.079;16;86;0.99764;3.34;0.64;9.5;6
+7.3;0.4;0.3;1.7;0.08;33;79;0.9969;3.41;0.65;9.5;6
+8.2;0.38;0.32;2.5;0.08;24;71;0.99624;3.27;0.85;11;6
+6.9;0.45;0.11;2.4;0.043;6;12;0.99354;3.3;0.65;11.4;6
+7;0.22;0.3;1.8;0.065;16;20;0.99672;3.61;0.82;10;6
+7.3;0.32;0.23;2.3;0.066;35;70;0.99588;3.43;0.62;10.1;5
+8.2;0.2;0.43;2.5;0.076;31;51;0.99672;3.53;0.81;10.4;6
+7.8;0.5;0.12;1.8;0.178;6;21;0.996;3.28;0.87;9.8;6
+10;0.41;0.45;6.2;0.071;6;14;0.99702;3.21;0.49;11.8;7
+7.8;0.39;0.42;2;0.086;9;21;0.99526;3.39;0.66;11.6;6
+10;0.35;0.47;2;0.061;6;11;0.99585;3.23;0.52;12;6
+8.2;0.33;0.32;2.8;0.067;4;12;0.99473;3.3;0.76;12.8;7
+6.1;0.58;0.23;2.5;0.044;16;70;0.99352;3.46;0.65;12.5;6
+8.3;0.6;0.25;2.2;0.118;9;38;0.99616;3.15;0.53;9.8;5
+9.6;0.42;0.35;2.1;0.083;17;38;0.99622;3.23;0.66;11.1;6
+6.6;0.58;0;2.2;0.1;50;63;0.99544;3.59;0.68;11.4;6
+8.3;0.6;0.25;2.2;0.118;9;38;0.99616;3.15;0.53;9.8;5
+8.5;0.18;0.51;1.75;0.071;45;88;0.99524;3.33;0.76;11.8;7
+5.1;0.51;0.18;2.1;0.042;16;101;0.9924;3.46;0.87;12.9;7
+6.7;0.41;0.43;2.8;0.076;22;54;0.99572;3.42;1.16;10.6;6
+10.2;0.41;0.43;2.2;0.11;11;37;0.99728;3.16;0.67;10.8;5
+10.6;0.36;0.57;2.3;0.087;6;20;0.99676;3.14;0.72;11.1;7
+8.8;0.45;0.43;1.4;0.076;12;21;0.99551;3.21;0.75;10.2;6
+8.5;0.32;0.42;2.3;0.075;12;19;0.99434;3.14;0.71;11.8;7
+9;0.785;0.24;1.7;0.078;10;21;0.99692;3.29;0.67;10;5
+9;0.785;0.24;1.7;0.078;10;21;0.99692;3.29;0.67;10;5
+8.5;0.44;0.5;1.9;0.369;15;38;0.99634;3.01;1.1;9.4;5
+9.9;0.54;0.26;2;0.111;7;60;0.99709;2.94;0.98;10.2;5
+8.2;0.33;0.39;2.5;0.074;29;48;0.99528;3.32;0.88;12.4;7
+6.5;0.34;0.27;2.8;0.067;8;44;0.99384;3.21;0.56;12;6
+7.6;0.5;0.29;2.3;0.086;5;14;0.99502;3.32;0.62;11.5;6
+9.2;0.36;0.34;1.6;0.062;5;12;0.99667;3.2;0.67;10.5;6
+7.1;0.59;0;2.2;0.078;26;44;0.99522;3.42;0.68;10.8;6
+9.7;0.42;0.46;2.1;0.074;5;16;0.99649;3.27;0.74;12.3;6
+7.6;0.36;0.31;1.7;0.079;26;65;0.99716;3.46;0.62;9.5;6
+7.6;0.36;0.31;1.7;0.079;26;65;0.99716;3.46;0.62;9.5;6
+6.5;0.61;0;2.2;0.095;48;59;0.99541;3.61;0.7;11.5;6
+6.5;0.88;0.03;5.6;0.079;23;47;0.99572;3.58;0.5;11.2;4
+7.1;0.66;0;2.4;0.052;6;11;0.99318;3.35;0.66;12.7;7
+5.6;0.915;0;2.1;0.041;17;78;0.99346;3.68;0.73;11.4;5
+8.2;0.35;0.33;2.4;0.076;11;47;0.99599;3.27;0.81;11;6
+8.2;0.35;0.33;2.4;0.076;11;47;0.99599;3.27;0.81;11;6
+9.8;0.39;0.43;1.65;0.068;5;11;0.99478;3.19;0.46;11.4;5
+10.2;0.4;0.4;2.5;0.068;41;54;0.99754;3.38;0.86;10.5;6
+6.8;0.66;0.07;1.6;0.07;16;61;0.99572;3.29;0.6;9.3;5
+6.7;0.64;0.23;2.1;0.08;11;119;0.99538;3.36;0.7;10.9;5
+7;0.43;0.3;2;0.085;6;39;0.99346;3.33;0.46;11.9;6
+6.6;0.8;0.03;7.8;0.079;6;12;0.9963;3.52;0.5;12.2;5
+7;0.43;0.3;2;0.085;6;39;0.99346;3.33;0.46;11.9;6
+6.7;0.64;0.23;2.1;0.08;11;119;0.99538;3.36;0.7;10.9;5
+8.8;0.955;0.05;1.8;0.075;5;19;0.99616;3.3;0.44;9.6;4
+9.1;0.4;0.57;4.6;0.08;6;20;0.99652;3.28;0.57;12.5;6
+6.5;0.885;0;2.3;0.166;6;12;0.99551;3.56;0.51;10.8;5
+7.2;0.25;0.37;2.5;0.063;11;41;0.99439;3.52;0.8;12.4;7
+6.4;0.885;0;2.3;0.166;6;12;0.99551;3.56;0.51;10.8;5
+7;0.745;0.12;1.8;0.114;15;64;0.99588;3.22;0.59;9.5;6
+6.2;0.43;0.22;1.8;0.078;21;56;0.99633;3.52;0.6;9.5;6
+7.9;0.58;0.23;2.3;0.076;23;94;0.99686;3.21;0.58;9.5;6
+7.7;0.57;0.21;1.5;0.069;4;9;0.99458;3.16;0.54;9.8;6
+7.7;0.26;0.26;2;0.052;19;77;0.9951;3.15;0.79;10.9;6
+7.9;0.58;0.23;2.3;0.076;23;94;0.99686;3.21;0.58;9.5;6
+7.7;0.57;0.21;1.5;0.069;4;9;0.99458;3.16;0.54;9.8;6
+7.9;0.34;0.36;1.9;0.065;5;10;0.99419;3.27;0.54;11.2;7
+8.6;0.42;0.39;1.8;0.068;6;12;0.99516;3.35;0.69;11.7;8
+9.9;0.74;0.19;5.8;0.111;33;76;0.99878;3.14;0.55;9.4;5
+7.2;0.36;0.46;2.1;0.074;24;44;0.99534;3.4;0.85;11;7
+7.2;0.36;0.46;2.1;0.074;24;44;0.99534;3.4;0.85;11;7
+7.2;0.36;0.46;2.1;0.074;24;44;0.99534;3.4;0.85;11;7
+9.9;0.72;0.55;1.7;0.136;24;52;0.99752;3.35;0.94;10;5
+7.2;0.36;0.46;2.1;0.074;24;44;0.99534;3.4;0.85;11;7
+6.2;0.39;0.43;2;0.071;14;24;0.99428;3.45;0.87;11.2;7
+6.8;0.65;0.02;2.1;0.078;8;15;0.99498;3.35;0.62;10.4;6
+6.6;0.44;0.15;2.1;0.076;22;53;0.9957;3.32;0.62;9.3;5
+6.8;0.65;0.02;2.1;0.078;8;15;0.99498;3.35;0.62;10.4;6
+9.6;0.38;0.42;1.9;0.071;5;13;0.99659;3.15;0.75;10.5;6
+10.2;0.33;0.46;1.9;0.081;6;9;0.99628;3.1;0.48;10.4;6
+8.8;0.27;0.46;2.1;0.095;20;29;0.99488;3.26;0.56;11.3;6
+7.9;0.57;0.31;2;0.079;10;79;0.99677;3.29;0.69;9.5;6
+8.2;0.34;0.37;1.9;0.057;43;74;0.99408;3.23;0.81;12;6
+8.2;0.4;0.31;1.9;0.082;8;24;0.996;3.24;0.69;10.6;6
+9;0.39;0.4;1.3;0.044;25;50;0.99478;3.2;0.83;10.9;6
+10.9;0.32;0.52;1.8;0.132;17;44;0.99734;3.28;0.77;11.5;6
+10.9;0.32;0.52;1.8;0.132;17;44;0.99734;3.28;0.77;11.5;6
+8.1;0.53;0.22;2.2;0.078;33;89;0.99678;3.26;0.46;9.6;6
+10.5;0.36;0.47;2.2;0.074;9;23;0.99638;3.23;0.76;12;6
+12.6;0.39;0.49;2.5;0.08;8;20;0.9992;3.07;0.82;10.3;6
+9.2;0.46;0.23;2.6;0.091;18;77;0.99922;3.15;0.51;9.4;5
+7.5;0.58;0.03;4.1;0.08;27;46;0.99592;3.02;0.47;9.2;5
+9;0.58;0.25;2;0.104;8;21;0.99769;3.27;0.72;9.6;5
+5.1;0.42;0;1.8;0.044;18;88;0.99157;3.68;0.73;13.6;7
+7.6;0.43;0.29;2.1;0.075;19;66;0.99718;3.4;0.64;9.5;5
+7.7;0.18;0.34;2.7;0.066;15;58;0.9947;3.37;0.78;11.8;6
+7.8;0.815;0.01;2.6;0.074;48;90;0.99621;3.38;0.62;10.8;5
+7.6;0.43;0.29;2.1;0.075;19;66;0.99718;3.4;0.64;9.5;5
+10.2;0.23;0.37;2.2;0.057;14;36;0.99614;3.23;0.49;9.3;4
+7.1;0.75;0.01;2.2;0.059;11;18;0.99242;3.39;0.4;12.8;6
+6;0.33;0.32;12.9;0.054;6;113;0.99572;3.3;0.56;11.5;4
+7.8;0.55;0;1.7;0.07;7;17;0.99659;3.26;0.64;9.4;6
+7.1;0.75;0.01;2.2;0.059;11;18;0.99242;3.39;0.4;12.8;6
+8.1;0.73;0;2.5;0.081;12;24;0.99798;3.38;0.46;9.6;4
+6.5;0.67;0;4.3;0.057;11;20;0.99488;3.45;0.56;11.8;4
+7.5;0.61;0.2;1.7;0.076;36;60;0.99494;3.1;0.4;9.3;5
+9.8;0.37;0.39;2.5;0.079;28;65;0.99729;3.16;0.59;9.8;5
+9;0.4;0.41;2;0.058;15;40;0.99414;3.22;0.6;12.2;6
+8.3;0.56;0.22;2.4;0.082;10;86;0.9983;3.37;0.62;9.5;5
+5.9;0.29;0.25;13.4;0.067;72;160;0.99721;3.33;0.54;10.3;6
+7.4;0.55;0.19;1.8;0.082;15;34;0.99655;3.49;0.68;10.5;5
+7.4;0.74;0.07;1.7;0.086;15;48;0.99502;3.12;0.48;10;5
+7.4;0.55;0.19;1.8;0.082;15;34;0.99655;3.49;0.68;10.5;5
+6.9;0.41;0.33;2.2;0.081;22;36;0.9949;3.41;0.75;11.1;6
+7.1;0.6;0.01;2.3;0.079;24;37;0.99514;3.4;0.61;10.9;6
+7.1;0.6;0.01;2.3;0.079;24;37;0.99514;3.4;0.61;10.9;6
+7.5;0.58;0.14;2.2;0.077;27;60;0.9963;3.28;0.59;9.8;5
+7.1;0.72;0;1.8;0.123;6;14;0.99627;3.45;0.58;9.8;5
+7.9;0.66;0;1.4;0.096;6;13;0.99569;3.43;0.58;9.5;5
+7.8;0.7;0.06;1.9;0.079;20;35;0.99628;3.4;0.69;10.9;5
+6.1;0.64;0.02;2.4;0.069;26;46;0.99358;3.47;0.45;11;5
+7.5;0.59;0.22;1.8;0.082;43;60;0.99499;3.1;0.42;9.2;5
+7;0.58;0.28;4.8;0.085;12;69;0.99633;3.32;0.7;11;6
+6.8;0.64;0;2.7;0.123;15;33;0.99538;3.44;0.63;11.3;6
+6.8;0.64;0;2.7;0.123;15;33;0.99538;3.44;0.63;11.3;6
+8.6;0.635;0.68;1.8;0.403;19;56;0.99632;3.02;1.15;9.3;5
+6.3;1.02;0;2;0.083;17;24;0.99437;3.59;0.55;11.2;4
+9.8;0.45;0.38;2.5;0.081;34;66;0.99726;3.15;0.58;9.8;5
+8.2;0.78;0;2.2;0.089;13;26;0.9978;3.37;0.46;9.6;4
+8.5;0.37;0.32;1.8;0.066;26;51;0.99456;3.38;0.72;11.8;6
+7.2;0.57;0.05;2.3;0.081;16;36;0.99564;3.38;0.6;10.3;6
+7.2;0.57;0.05;2.3;0.081;16;36;0.99564;3.38;0.6;10.3;6
+10.4;0.43;0.5;2.3;0.068;13;19;0.996;3.1;0.87;11.4;6
+6.9;0.41;0.31;2;0.079;21;51;0.99668;3.47;0.55;9.5;6
+5.5;0.49;0.03;1.8;0.044;28;87;0.9908;3.5;0.82;14;8
+5;0.38;0.01;1.6;0.048;26;60;0.99084;3.7;0.75;14;6
+7.3;0.44;0.2;1.6;0.049;24;64;0.9935;3.38;0.57;11.7;6
+5.9;0.46;0;1.9;0.077;25;44;0.99385;3.5;0.53;11.2;5
+7.5;0.58;0.2;2;0.073;34;44;0.99494;3.1;0.43;9.3;5
+7.8;0.58;0.13;2.1;0.102;17;36;0.9944;3.24;0.53;11.2;6
+8;0.715;0.22;2.3;0.075;13;81;0.99688;3.24;0.54;9.5;6
+8.5;0.4;0.4;6.3;0.05;3;10;0.99566;3.28;0.56;12;4
+7;0.69;0;1.9;0.114;3;10;0.99636;3.35;0.6;9.7;6
+8;0.715;0.22;2.3;0.075;13;81;0.99688;3.24;0.54;9.5;6
+9.8;0.3;0.39;1.7;0.062;3;9;0.9948;3.14;0.57;11.5;7
+7.1;0.46;0.2;1.9;0.077;28;54;0.9956;3.37;0.64;10.4;6
+7.1;0.46;0.2;1.9;0.077;28;54;0.9956;3.37;0.64;10.4;6
+7.9;0.765;0;2;0.084;9;22;0.99619;3.33;0.68;10.9;6
+8.7;0.63;0.28;2.7;0.096;17;69;0.99734;3.26;0.63;10.2;6
+7;0.42;0.19;2.3;0.071;18;36;0.99476;3.39;0.56;10.9;5
+11.3;0.37;0.5;1.8;0.09;20;47;0.99734;3.15;0.57;10.5;5
+7.1;0.16;0.44;2.5;0.068;17;31;0.99328;3.35;0.54;12.4;6
+8;0.6;0.08;2.6;0.056;3;7;0.99286;3.22;0.37;13;5
+7;0.6;0.3;4.5;0.068;20;110;0.99914;3.3;1.17;10.2;5
+7;0.6;0.3;4.5;0.068;20;110;0.99914;3.3;1.17;10.2;5
+7.6;0.74;0;1.9;0.1;6;12;0.99521;3.36;0.59;11;5
+8.2;0.635;0.1;2.1;0.073;25;60;0.99638;3.29;0.75;10.9;6
+5.9;0.395;0.13;2.4;0.056;14;28;0.99362;3.62;0.67;12.4;6
+7.5;0.755;0;1.9;0.084;6;12;0.99672;3.34;0.49;9.7;4
+8.2;0.635;0.1;2.1;0.073;25;60;0.99638;3.29;0.75;10.9;6
+6.6;0.63;0;4.3;0.093;51;77.5;0.99558;3.2;0.45;9.5;5
+6.6;0.63;0;4.3;0.093;51;77.5;0.99558;3.2;0.45;9.5;5
+7.2;0.53;0.14;2.1;0.064;15;29;0.99323;3.35;0.61;12.1;6
+5.7;0.6;0;1.4;0.063;11;18;0.99191;3.45;0.56;12.2;6
+7.6;1.58;0;2.1;0.137;5;9;0.99476;3.5;0.4;10.9;3
+5.2;0.645;0;2.15;0.08;15;28;0.99444;3.78;0.61;12.5;6
+6.7;0.86;0.07;2;0.1;20;57;0.99598;3.6;0.74;11.7;6
+9.1;0.37;0.32;2.1;0.064;4;15;0.99576;3.3;0.8;11.2;6
+8;0.28;0.44;1.8;0.081;28;68;0.99501;3.36;0.66;11.2;5
+7.6;0.79;0.21;2.3;0.087;21;68;0.9955;3.12;0.44;9.2;5
+7.5;0.61;0.26;1.9;0.073;24;88;0.99612;3.3;0.53;9.8;5
+9.7;0.69;0.32;2.5;0.088;22;91;0.9979;3.29;0.62;10.1;5
+6.8;0.68;0.09;3.9;0.068;15;29;0.99524;3.41;0.52;11.1;4
+9.7;0.69;0.32;2.5;0.088;22;91;0.9979;3.29;0.62;10.1;5
+7;0.62;0.1;1.4;0.071;27;63;0.996;3.28;0.61;9.2;5
+7.5;0.61;0.26;1.9;0.073;24;88;0.99612;3.3;0.53;9.8;5
+6.5;0.51;0.15;3;0.064;12;27;0.9929;3.33;0.59;12.8;6
+8;1.18;0.21;1.9;0.083;14;41;0.99532;3.34;0.47;10.5;5
+7;0.36;0.21;2.3;0.086;20;65;0.99558;3.4;0.54;10.1;6
+7;0.36;0.21;2.4;0.086;24;69;0.99556;3.4;0.53;10.1;6
+7.5;0.63;0.27;2;0.083;17;91;0.99616;3.26;0.58;9.8;6
+5.4;0.74;0;1.2;0.041;16;46;0.99258;4.01;0.59;12.5;6
+9.9;0.44;0.46;2.2;0.091;10;41;0.99638;3.18;0.69;11.9;6
+7.5;0.63;0.27;2;0.083;17;91;0.99616;3.26;0.58;9.8;6
+9.1;0.76;0.68;1.7;0.414;18;64;0.99652;2.9;1.33;9.1;6
+9.7;0.66;0.34;2.6;0.094;12;88;0.99796;3.26;0.66;10.1;5
+5;0.74;0;1.2;0.041;16;46;0.99258;4.01;0.59;12.5;6
+9.1;0.34;0.42;1.8;0.058;9;18;0.99392;3.18;0.55;11.4;5
+9.1;0.36;0.39;1.8;0.06;21;55;0.99495;3.18;0.82;11;7
+6.7;0.46;0.24;1.7;0.077;18;34;0.9948;3.39;0.6;10.6;6
+6.7;0.46;0.24;1.7;0.077;18;34;0.9948;3.39;0.6;10.6;6
+6.7;0.46;0.24;1.7;0.077;18;34;0.9948;3.39;0.6;10.6;6
+6.7;0.46;0.24;1.7;0.077;18;34;0.9948;3.39;0.6;10.6;6
+6.5;0.52;0.11;1.8;0.073;13;38;0.9955;3.34;0.52;9.3;5
+7.4;0.6;0.26;2.1;0.083;17;91;0.99616;3.29;0.56;9.8;6
+7.4;0.6;0.26;2.1;0.083;17;91;0.99616;3.29;0.56;9.8;6
+7.8;0.87;0.26;3.8;0.107;31;67;0.99668;3.26;0.46;9.2;5
+8.4;0.39;0.1;1.7;0.075;6;25;0.99581;3.09;0.43;9.7;6
+9.1;0.775;0.22;2.2;0.079;12;48;0.9976;3.18;0.51;9.6;5
+7.2;0.835;0;2;0.166;4;11;0.99608;3.39;0.52;10;5
+6.6;0.58;0.02;2.4;0.069;19;40;0.99387;3.38;0.66;12.6;6
+6;0.5;0;1.4;0.057;15;26;0.99448;3.36;0.45;9.5;5
+6;0.5;0;1.4;0.057;15;26;0.99448;3.36;0.45;9.5;5
+6;0.5;0;1.4;0.057;15;26;0.99448;3.36;0.45;9.5;5
+7.5;0.51;0.02;1.7;0.084;13;31;0.99538;3.36;0.54;10.5;6
+7.5;0.51;0.02;1.7;0.084;13;31;0.99538;3.36;0.54;10.5;6
+7.5;0.51;0.02;1.7;0.084;13;31;0.99538;3.36;0.54;10.5;6
+7.6;0.54;0.02;1.7;0.085;17;31;0.99589;3.37;0.51;10.4;6
+7.5;0.51;0.02;1.7;0.084;13;31;0.99538;3.36;0.54;10.5;6
+11.5;0.42;0.48;2.6;0.077;8;20;0.99852;3.09;0.53;11;5
+8.2;0.44;0.24;2.3;0.063;10;28;0.99613;3.25;0.53;10.2;6
+6.1;0.59;0.01;2.1;0.056;5;13;0.99472;3.52;0.56;11.4;5
+7.2;0.655;0.03;1.8;0.078;7;12;0.99587;3.34;0.39;9.5;5
+7.2;0.655;0.03;1.8;0.078;7;12;0.99587;3.34;0.39;9.5;5
+6.9;0.57;0;2.8;0.081;21;41;0.99518;3.41;0.52;10.8;5
+9;0.6;0.29;2;0.069;32;73;0.99654;3.34;0.57;10;5
+7.2;0.62;0.01;2.3;0.065;8;46;0.99332;3.32;0.51;11.8;6
+7.6;0.645;0.03;1.9;0.086;14;57;0.9969;3.37;0.46;10.3;5
+7.6;0.645;0.03;1.9;0.086;14;57;0.9969;3.37;0.46;10.3;5
+7.2;0.58;0.03;2.3;0.077;7;28;0.99568;3.35;0.52;10;5
+6.1;0.32;0.25;1.8;0.086;5;32;0.99464;3.36;0.44;10.1;5
+6.1;0.34;0.25;1.8;0.084;4;28;0.99464;3.36;0.44;10.1;5
+7.3;0.43;0.24;2.5;0.078;27;67;0.99648;3.6;0.59;11.1;6
+7.4;0.64;0.17;5.4;0.168;52;98;0.99736;3.28;0.5;9.5;5
+11.6;0.475;0.4;1.4;0.091;6;28;0.99704;3.07;0.65;10.0333333333333;6
+9.2;0.54;0.31;2.3;0.112;11;38;0.99699;3.24;0.56;10.9;5
+8.3;0.85;0.14;2.5;0.093;13;54;0.99724;3.36;0.54;10.1;5
+11.6;0.475;0.4;1.4;0.091;6;28;0.99704;3.07;0.65;10.0333333333333;6
+8;0.83;0.27;2;0.08;11;63;0.99652;3.29;0.48;9.8;4
+7.2;0.605;0.02;1.9;0.096;10;31;0.995;3.46;0.53;11.8;6
+7.8;0.5;0.09;2.2;0.115;10;42;0.9971;3.18;0.62;9.5;5
+7.3;0.74;0.08;1.7;0.094;10;45;0.99576;3.24;0.5;9.8;5
+6.9;0.54;0.3;2.2;0.088;9;105;0.99725;3.25;1.18;10.5;6
+8;0.77;0.32;2.1;0.079;16;74;0.99656;3.27;0.5;9.8;6
+6.6;0.61;0;1.6;0.069;4;8;0.99396;3.33;0.37;10.4;4
+8.7;0.78;0.51;1.7;0.415;12;66;0.99623;3;1.17;9.2;5
+7.5;0.58;0.56;3.1;0.153;5;14;0.99476;3.21;1.03;11.6;6
+8.7;0.78;0.51;1.7;0.415;12;66;0.99623;3;1.17;9.2;5
+7.7;0.75;0.27;3.8;0.11;34;89;0.99664;3.24;0.45;9.3;5
+6.8;0.815;0;1.2;0.267;16;29;0.99471;3.32;0.51;9.8;3
+7.2;0.56;0.26;2;0.083;13;100;0.99586;3.26;0.52;9.9;5
+8.2;0.885;0.2;1.4;0.086;7;31;0.9946;3.11;0.46;10;5
+5.2;0.49;0.26;2.3;0.09;23;74;0.9953;3.71;0.62;12.2;6
+7.2;0.45;0.15;2;0.078;10;28;0.99609;3.29;0.51;9.9;6
+7.5;0.57;0.02;2.6;0.077;11;35;0.99557;3.36;0.62;10.8;6
+7.5;0.57;0.02;2.6;0.077;11;35;0.99557;3.36;0.62;10.8;6
+6.8;0.83;0.09;1.8;0.074;4;25;0.99534;3.38;0.45;9.6;5
+8;0.6;0.22;2.1;0.08;25;105;0.99613;3.3;0.49;9.9;5
+8;0.6;0.22;2.1;0.08;25;105;0.99613;3.3;0.49;9.9;5
+7.1;0.755;0.15;1.8;0.107;20;84;0.99593;3.19;0.5;9.5;5
+8;0.81;0.25;3.4;0.076;34;85;0.99668;3.19;0.42;9.2;5
+7.4;0.64;0.07;1.8;0.1;8;23;0.9961;3.3;0.58;9.6;5
+7.4;0.64;0.07;1.8;0.1;8;23;0.9961;3.3;0.58;9.6;5
+6.6;0.64;0.31;6.1;0.083;7;49;0.99718;3.35;0.68;10.3;5
+6.7;0.48;0.02;2.2;0.08;36;111;0.99524;3.1;0.53;9.7;5
+6;0.49;0;2.3;0.068;15;33;0.99292;3.58;0.59;12.5;6
+8;0.64;0.22;2.4;0.094;5;33;0.99612;3.37;0.58;11;5
+7.1;0.62;0.06;1.3;0.07;5;12;0.9942;3.17;0.48;9.8;5
+8;0.52;0.25;2;0.078;19;59;0.99612;3.3;0.48;10.2;5
+6.4;0.57;0.14;3.9;0.07;27;73;0.99669;3.32;0.48;9.2;5
+8.6;0.685;0.1;1.6;0.092;3;12;0.99745;3.31;0.65;9.55;6
+8.7;0.675;0.1;1.6;0.09;4;11;0.99745;3.31;0.65;9.55;5
+7.3;0.59;0.26;2;0.08;17;104;0.99584;3.28;0.52;9.9;5
+7;0.6;0.12;2.2;0.083;13;28;0.9966;3.52;0.62;10.2;7
+7.2;0.67;0;2.2;0.068;10;24;0.9956;3.42;0.72;11.1;6
+7.9;0.69;0.21;2.1;0.08;33;141;0.9962;3.25;0.51;9.9;5
+7.9;0.69;0.21;2.1;0.08;33;141;0.9962;3.25;0.51;9.9;5
+7.6;0.3;0.42;2;0.052;6;24;0.9963;3.44;0.82;11.9;6
+7.2;0.33;0.33;1.7;0.061;3;13;0.996;3.23;1.1;10;8
+8;0.5;0.39;2.6;0.082;12;46;0.9985;3.43;0.62;10.7;6
+7.7;0.28;0.3;2;0.062;18;34;0.9952;3.28;0.9;11.3;7
+8.2;0.24;0.34;5.1;0.062;8;22;0.9974;3.22;0.94;10.9;6
+6;0.51;0;2.1;0.064;40;54;0.995;3.54;0.93;10.7;6
+8.1;0.29;0.36;2.2;0.048;35;53;0.995;3.27;1.01;12.4;7
+6;0.51;0;2.1;0.064;40;54;0.995;3.54;0.93;10.7;6
+6.6;0.96;0;1.8;0.082;5;16;0.9936;3.5;0.44;11.9;6
+6.4;0.47;0.4;2.4;0.071;8;19;0.9963;3.56;0.73;10.6;6
+8.2;0.24;0.34;5.1;0.062;8;22;0.9974;3.22;0.94;10.9;6
+9.9;0.57;0.25;2;0.104;12;89;0.9963;3.04;0.9;10.1;5
+10;0.32;0.59;2.2;0.077;3;15;0.9994;3.2;0.78;9.6;5
+6.2;0.58;0;1.6;0.065;8;18;0.9966;3.56;0.84;9.4;5
+10;0.32;0.59;2.2;0.077;3;15;0.9994;3.2;0.78;9.6;5
+7.3;0.34;0.33;2.5;0.064;21;37;0.9952;3.35;0.77;12.1;7
+7.8;0.53;0.01;1.6;0.077;3;19;0.995;3.16;0.46;9.8;5
+7.7;0.64;0.21;2.2;0.077;32;133;0.9956;3.27;0.45;9.9;5
+7.8;0.53;0.01;1.6;0.077;3;19;0.995;3.16;0.46;9.8;5
+7.5;0.4;0.18;1.6;0.079;24;58;0.9965;3.34;0.58;9.4;5
+7;0.54;0;2.1;0.079;39;55;0.9956;3.39;0.84;11.4;6
+6.4;0.53;0.09;3.9;0.123;14;31;0.9968;3.5;0.67;11;4
+8.3;0.26;0.37;1.4;0.076;8;23;0.9974;3.26;0.7;9.6;6
+8.3;0.26;0.37;1.4;0.076;8;23;0.9974;3.26;0.7;9.6;6
+7.7;0.23;0.37;1.8;0.046;23;60;0.9971;3.41;0.71;12.1;6
+7.6;0.41;0.33;2.5;0.078;6;23;0.9957;3.3;0.58;11.2;5
+7.8;0.64;0;1.9;0.072;27;55;0.9962;3.31;0.63;11;5
+7.9;0.18;0.4;2.2;0.049;38;67;0.996;3.33;0.93;11.3;5
+7.4;0.41;0.24;1.8;0.066;18;47;0.9956;3.37;0.62;10.4;5
+7.6;0.43;0.31;2.1;0.069;13;74;0.9958;3.26;0.54;9.9;6
+5.9;0.44;0;1.6;0.042;3;11;0.9944;3.48;0.85;11.7;6
+6.1;0.4;0.16;1.8;0.069;11;25;0.9955;3.42;0.74;10.1;7
+10.2;0.54;0.37;15.4;0.214;55;95;1.00369;3.18;0.77;9;6
+10.2;0.54;0.37;15.4;0.214;55;95;1.00369;3.18;0.77;9;6
+10;0.38;0.38;1.6;0.169;27;90;0.99914;3.15;0.65;8.5;5
+6.8;0.915;0.29;4.8;0.07;15;39;0.99577;3.53;0.54;11.1;5
+7;0.59;0;1.7;0.052;3;8;0.996;3.41;0.47;10.3;5
+7.3;0.67;0.02;2.2;0.072;31;92;0.99566;3.32;0.68;11.0666666666667;6
+7.2;0.37;0.32;2;0.062;15;28;0.9947;3.23;0.73;11.3;7
+7.4;0.785;0.19;5.2;0.094;19;98;0.99713;3.16;0.52;9.56666666666667;6
+6.9;0.63;0.02;1.9;0.078;18;30;0.99712;3.4;0.75;9.8;5
+6.9;0.58;0.2;1.75;0.058;8;22;0.99322;3.38;0.49;11.7;5
+7.3;0.67;0.02;2.2;0.072;31;92;0.99566;3.32;0.68;11.1;6
+7.4;0.785;0.19;5.2;0.094;19;98;0.99713;3.16;0.52;9.6;6
+6.9;0.63;0.02;1.9;0.078;18;30;0.99712;3.4;0.75;9.8;5
+6.8;0.67;0;1.9;0.08;22;39;0.99701;3.4;0.74;9.7;5
+6.9;0.58;0.01;1.9;0.08;40;54;0.99683;3.4;0.73;9.7;5
+7.2;0.38;0.31;2;0.056;15;29;0.99472;3.23;0.76;11.3;8
+7.2;0.37;0.32;2;0.062;15;28;0.9947;3.23;0.73;11.3;7
+7.8;0.32;0.44;2.7;0.104;8;17;0.99732;3.33;0.78;11;7
+6.6;0.58;0.02;2;0.062;37;53;0.99374;3.35;0.76;11.6;7
+7.6;0.49;0.33;1.9;0.074;27;85;0.99706;3.41;0.58;9;5
+11.7;0.45;0.63;2.2;0.073;7;23;0.99974;3.21;0.69;10.9;6
+6.5;0.9;0;1.6;0.052;9;17;0.99467;3.5;0.63;10.9;6
+6;0.54;0.06;1.8;0.05;38;89;0.99236;3.3;0.5;10.55;6
+7.6;0.49;0.33;1.9;0.074;27;85;0.99706;3.41;0.58;9;5
+8.4;0.29;0.4;1.7;0.067;8;20;0.99603;3.39;0.6;10.5;5
+7.9;0.2;0.35;1.7;0.054;7;15;0.99458;3.32;0.8;11.9;7
+6.4;0.42;0.09;2.3;0.054;34;64;0.99724;3.41;0.68;10.4;6
+6.2;0.785;0;2.1;0.06;6;13;0.99664;3.59;0.61;10;4
+6.8;0.64;0.03;2.3;0.075;14;31;0.99545;3.36;0.58;10.4;6
+6.9;0.63;0.01;2.4;0.076;14;39;0.99522;3.34;0.53;10.8;6
+6.8;0.59;0.1;1.7;0.063;34;53;0.9958;3.41;0.67;9.7;5
+6.8;0.59;0.1;1.7;0.063;34;53;0.9958;3.41;0.67;9.7;5
+7.3;0.48;0.32;2.1;0.062;31;54;0.99728;3.3;0.65;10;7
+6.7;1.04;0.08;2.3;0.067;19;32;0.99648;3.52;0.57;11;4
+7.3;0.48;0.32;2.1;0.062;31;54;0.99728;3.3;0.65;10;7
+7.3;0.98;0.05;2.1;0.061;20;49;0.99705;3.31;0.55;9.7;3
+10;0.69;0.11;1.4;0.084;8;24;0.99578;2.88;0.47;9.7;5
+6.7;0.7;0.08;3.75;0.067;8;16;0.99334;3.43;0.52;12.6;5
+7.6;0.35;0.6;2.6;0.073;23;44;0.99656;3.38;0.79;11.1;6
+6.1;0.6;0.08;1.8;0.071;14;45;0.99336;3.38;0.54;11;5
+9.9;0.5;0.5;13.8;0.205;48;82;1.00242;3.16;0.75;8.8;5
+5.3;0.47;0.11;2.2;0.048;16;89;0.99182;3.54;0.88;13.5666666666667;7
+9.9;0.5;0.5;13.8;0.205;48;82;1.00242;3.16;0.75;8.8;5
+5.3;0.47;0.11;2.2;0.048;16;89;0.99182;3.54;0.88;13.6;7
+7.1;0.875;0.05;5.7;0.082;3;14;0.99808;3.4;0.52;10.2;3
+8.2;0.28;0.6;3;0.104;10;22;0.99828;3.39;0.68;10.6;5
+5.6;0.62;0.03;1.5;0.08;6;13;0.99498;3.66;0.62;10.1;4
+8.2;0.28;0.6;3;0.104;10;22;0.99828;3.39;0.68;10.6;5
+7.2;0.58;0.54;2.1;0.114;3;9;0.99719;3.33;0.57;10.3;4
+8.1;0.33;0.44;1.5;0.042;6;12;0.99542;3.35;0.61;10.7;5
+6.8;0.91;0.06;2;0.06;4;11;0.99592;3.53;0.64;10.9;4
+7;0.655;0.16;2.1;0.074;8;25;0.99606;3.37;0.55;9.7;5
+6.8;0.68;0.21;2.1;0.07;9;23;0.99546;3.38;0.6;10.3;5
+6;0.64;0.05;1.9;0.066;9;17;0.99496;3.52;0.78;10.6;5
+5.6;0.54;0.04;1.7;0.049;5;13;0.9942;3.72;0.58;11.4;5
+6.2;0.57;0.1;2.1;0.048;4;11;0.99448;3.44;0.76;10.8;6
+7.1;0.22;0.49;1.8;0.039;8;18;0.99344;3.39;0.56;12.4;6
+5.6;0.54;0.04;1.7;0.049;5;13;0.9942;3.72;0.58;11.4;5
+6.2;0.65;0.06;1.6;0.05;6;18;0.99348;3.57;0.54;11.95;5
+7.7;0.54;0.26;1.9;0.089;23;147;0.99636;3.26;0.59;9.7;5
+6.4;0.31;0.09;1.4;0.066;15;28;0.99459;3.42;0.7;10;7
+7;0.43;0.02;1.9;0.08;15;28;0.99492;3.35;0.81;10.6;6
+7.7;0.54;0.26;1.9;0.089;23;147;0.99636;3.26;0.59;9.7;5
+6.9;0.74;0.03;2.3;0.054;7;16;0.99508;3.45;0.63;11.5;6
+6.6;0.895;0.04;2.3;0.068;7;13;0.99582;3.53;0.58;10.8;6
+6.9;0.74;0.03;2.3;0.054;7;16;0.99508;3.45;0.63;11.5;6
+7.5;0.725;0.04;1.5;0.076;8;15;0.99508;3.26;0.53;9.6;5
+7.8;0.82;0.29;4.3;0.083;21;64;0.99642;3.16;0.53;9.4;5
+7.3;0.585;0.18;2.4;0.078;15;60;0.99638;3.31;0.54;9.8;5
+6.2;0.44;0.39;2.5;0.077;6;14;0.99555;3.51;0.69;11;6
+7.5;0.38;0.57;2.3;0.106;5;12;0.99605;3.36;0.55;11.4;6
+6.7;0.76;0.02;1.8;0.078;6;12;0.996;3.55;0.63;9.95;3
+6.8;0.81;0.05;2;0.07;6;14;0.99562;3.51;0.66;10.8;6
+7.5;0.38;0.57;2.3;0.106;5;12;0.99605;3.36;0.55;11.4;6
+7.1;0.27;0.6;2.1;0.074;17;25;0.99814;3.38;0.72;10.6;6
+7.9;0.18;0.4;1.8;0.062;7;20;0.9941;3.28;0.7;11.1;5
+6.4;0.36;0.21;2.2;0.047;26;48;0.99661;3.47;0.77;9.7;6
+7.1;0.69;0.04;2.1;0.068;19;27;0.99712;3.44;0.67;9.8;5
+6.4;0.79;0.04;2.2;0.061;11;17;0.99588;3.53;0.65;10.4;6
+6.4;0.56;0.15;1.8;0.078;17;65;0.99294;3.33;0.6;10.5;6
+6.9;0.84;0.21;4.1;0.074;16;65;0.99842;3.53;0.72;9.23333333333333;6
+6.9;0.84;0.21;4.1;0.074;16;65;0.99842;3.53;0.72;9.25;6
+6.1;0.32;0.25;2.3;0.071;23;58;0.99633;3.42;0.97;10.6;5
+6.5;0.53;0.06;2;0.063;29;44;0.99489;3.38;0.83;10.3;6
+7.4;0.47;0.46;2.2;0.114;7;20;0.99647;3.32;0.63;10.5;5
+6.6;0.7;0.08;2.6;0.106;14;27;0.99665;3.44;0.58;10.2;5
+6.5;0.53;0.06;2;0.063;29;44;0.99489;3.38;0.83;10.3;6
+6.9;0.48;0.2;1.9;0.082;9;23;0.99585;3.39;0.43;9.05;4
+6.1;0.32;0.25;2.3;0.071;23;58;0.99633;3.42;0.97;10.6;5
+6.8;0.48;0.25;2;0.076;29;61;0.9953;3.34;0.6;10.4;5
+6;0.42;0.19;2;0.075;22;47;0.99522;3.39;0.78;10;6
+6.7;0.48;0.08;2.1;0.064;18;34;0.99552;3.33;0.64;9.7;5
+6.8;0.47;0.08;2.2;0.064;18;38;0.99553;3.3;0.65;9.6;6
+7.1;0.53;0.07;1.7;0.071;15;24;0.9951;3.29;0.66;10.8;6
+7.9;0.29;0.49;2.2;0.096;21;59;0.99714;3.31;0.67;10.1;6
+7.1;0.69;0.08;2.1;0.063;42;52;0.99608;3.42;0.6;10.2;6
+6.6;0.44;0.09;2.2;0.063;9;18;0.99444;3.42;0.69;11.3;6
+6.1;0.705;0.1;2.8;0.081;13;28;0.99631;3.6;0.66;10.2;5
+7.2;0.53;0.13;2;0.058;18;22;0.99573;3.21;0.68;9.9;6
+8;0.39;0.3;1.9;0.074;32;84;0.99717;3.39;0.61;9;5
+6.6;0.56;0.14;2.4;0.064;13;29;0.99397;3.42;0.62;11.7;7
+7;0.55;0.13;2.2;0.075;15;35;0.9959;3.36;0.59;9.7;6
+6.1;0.53;0.08;1.9;0.077;24;45;0.99528;3.6;0.68;10.3;6
+5.4;0.58;0.08;1.9;0.059;20;31;0.99484;3.5;0.64;10.2;6
+6.2;0.64;0.09;2.5;0.081;15;26;0.99538;3.57;0.63;12;5
+7.2;0.39;0.32;1.8;0.065;34;60;0.99714;3.46;0.78;9.9;5
+6.2;0.52;0.08;4.4;0.071;11;32;0.99646;3.56;0.63;11.6;6
+7.4;0.25;0.29;2.2;0.054;19;49;0.99666;3.4;0.76;10.9;7
+6.7;0.855;0.02;1.9;0.064;29;38;0.99472;3.3;0.56;10.75;6
+11.1;0.44;0.42;2.2;0.064;14;19;0.99758;3.25;0.57;10.4;6
+8.4;0.37;0.43;2.3;0.063;12;19;0.9955;3.17;0.81;11.2;7
+6.5;0.63;0.33;1.8;0.059;16;28;0.99531;3.36;0.64;10.1;6
+7;0.57;0.02;2;0.072;17;26;0.99575;3.36;0.61;10.2;5
+6.3;0.6;0.1;1.6;0.048;12;26;0.99306;3.55;0.51;12.1;5
+11.2;0.4;0.5;2;0.099;19;50;0.99783;3.1;0.58;10.4;5
+7.4;0.36;0.3;1.8;0.074;17;24;0.99419;3.24;0.7;11.4;8
+7.1;0.68;0;2.3;0.087;17;26;0.99783;3.45;0.53;9.5;5
+7.1;0.67;0;2.3;0.083;18;27;0.99768;3.44;0.54;9.4;5
+6.3;0.68;0.01;3.7;0.103;32;54;0.99586;3.51;0.66;11.3;6
+7.3;0.735;0;2.2;0.08;18;28;0.99765;3.41;0.6;9.4;5
+6.6;0.855;0.02;2.4;0.062;15;23;0.99627;3.54;0.6;11;6
+7;0.56;0.17;1.7;0.065;15;24;0.99514;3.44;0.68;10.55;7
+6.6;0.88;0.04;2.2;0.066;12;20;0.99636;3.53;0.56;9.9;5
+6.6;0.855;0.02;2.4;0.062;15;23;0.99627;3.54;0.6;11;6
+6.9;0.63;0.33;6.7;0.235;66;115;0.99787;3.22;0.56;9.5;5
+7.8;0.6;0.26;2;0.08;31;131;0.99622;3.21;0.52;9.9;5
+7.8;0.6;0.26;2;0.08;31;131;0.99622;3.21;0.52;9.9;5
+7.8;0.6;0.26;2;0.08;31;131;0.99622;3.21;0.52;9.9;5
+7.2;0.695;0.13;2;0.076;12;20;0.99546;3.29;0.54;10.1;5
+7.2;0.695;0.13;2;0.076;12;20;0.99546;3.29;0.54;10.1;5
+7.2;0.695;0.13;2;0.076;12;20;0.99546;3.29;0.54;10.1;5
+6.7;0.67;0.02;1.9;0.061;26;42;0.99489;3.39;0.82;10.9;6
+6.7;0.16;0.64;2.1;0.059;24;52;0.99494;3.34;0.71;11.2;6
+7.2;0.695;0.13;2;0.076;12;20;0.99546;3.29;0.54;10.1;5
+7;0.56;0.13;1.6;0.077;25;42;0.99629;3.34;0.59;9.2;5
+6.2;0.51;0.14;1.9;0.056;15;34;0.99396;3.48;0.57;11.5;6
+6.4;0.36;0.53;2.2;0.23;19;35;0.9934;3.37;0.93;12.4;6
+6.4;0.38;0.14;2.2;0.038;15;25;0.99514;3.44;0.65;11.1;6
+7.3;0.69;0.32;2.2;0.069;35;104;0.99632;3.33;0.51;9.5;5
+6;0.58;0.2;2.4;0.075;15;50;0.99467;3.58;0.67;12.5;6
+5.6;0.31;0.78;13.9;0.074;23;92;0.99677;3.39;0.48;10.5;6
+7.5;0.52;0.4;2.2;0.06;12;20;0.99474;3.26;0.64;11.8;6
+8;0.3;0.63;1.6;0.081;16;29;0.99588;3.3;0.78;10.8;6
+6.2;0.7;0.15;5.1;0.076;13;27;0.99622;3.54;0.6;11.9;6
+6.8;0.67;0.15;1.8;0.118;13;20;0.9954;3.42;0.67;11.3;6
+6.2;0.56;0.09;1.7;0.053;24;32;0.99402;3.54;0.6;11.3;5
+7.4;0.35;0.33;2.4;0.068;9;26;0.9947;3.36;0.6;11.9;6
+6.2;0.56;0.09;1.7;0.053;24;32;0.99402;3.54;0.6;11.3;5
+6.1;0.715;0.1;2.6;0.053;13;27;0.99362;3.57;0.5;11.9;5
+6.2;0.46;0.29;2.1;0.074;32;98;0.99578;3.33;0.62;9.8;5
+6.7;0.32;0.44;2.4;0.061;24;34;0.99484;3.29;0.8;11.6;7
+7.2;0.39;0.44;2.6;0.066;22;48;0.99494;3.3;0.84;11.5;6
+7.5;0.31;0.41;2.4;0.065;34;60;0.99492;3.34;0.85;11.4;6
+5.8;0.61;0.11;1.8;0.066;18;28;0.99483;3.55;0.66;10.9;6
+7.2;0.66;0.33;2.5;0.068;34;102;0.99414;3.27;0.78;12.8;6
+6.6;0.725;0.2;7.8;0.073;29;79;0.9977;3.29;0.54;9.2;5
+6.3;0.55;0.15;1.8;0.077;26;35;0.99314;3.32;0.82;11.6;6
+5.4;0.74;0.09;1.7;0.089;16;26;0.99402;3.67;0.56;11.6;6
+6.3;0.51;0.13;2.3;0.076;29;40;0.99574;3.42;0.75;11;6
+6.8;0.62;0.08;1.9;0.068;28;38;0.99651;3.42;0.82;9.5;6
+6.2;0.6;0.08;2;0.09;32;44;0.9949;3.45;0.58;10.5;5
+5.9;0.55;0.1;2.2;0.062;39;51;0.99512;3.52;0.76;11.2;6
+6.3;0.51;0.13;2.3;0.076;29;40;0.99574;3.42;0.75;11;6
+5.9;0.645;0.12;2;0.075;32;44;0.99547;3.57;0.71;10.2;5
+6;0.31;0.47;3.6;0.067;18;42;0.99549;3.39;0.66;11;6

tabular_models.py

@@ -0,0 +1,387 @@
+"""Tabular classification bundles: Titanic, Heart Disease, Wine Quality.
+
+Each bundle is trained lazily on first access from CSVs in ``sample_data/``.
+Per-request contributions use:
+
+- Titanic (LogisticRegression): signed ``coef * (x_scaled)`` per feature
+- Heart / Wine (GradientBoostingClassifier): LOCO-style approximation —
+  substitute each feature with the training mean/mode and compute Δprob.
+
+All three bundles expose a uniform ``predict(payload)`` callable returning the
+unified response schema consumed by the ``/tabular/*`` endpoints.
+"""
+
+from __future__ import annotations
+
+import os
+import threading
+from dataclasses import dataclass
+from typing import Any, Callable
+
+import numpy as np
+import pandas as pd
+from sklearn.compose import ColumnTransformer
+from sklearn.ensemble import GradientBoostingClassifier
+from sklearn.linear_model import LogisticRegression
+from sklearn.pipeline import Pipeline
+from sklearn.preprocessing import OneHotEncoder, StandardScaler
+
+
+_DATA_DIR = os.path.join(os.path.dirname(os.path.abspath(__file__)), "sample_data")
+_lock = threading.Lock()
+_bundles: dict[str, "TabularBundle"] = {}
+
+
+@dataclass
+class TabularBundle:
+    name: str
+    pipeline: Pipeline
+    feature_order: list[str]
+    categorical: list[str]
+    numeric: list[str]
+    class_labels: list[str]
+    model_label: str
+    target_type: str  # "binary" or "multiclass"
+    baseline: dict[str, Any]  # training means / modes for LOCO substitution
+    positive_class: str | None = None  # for binary display
+
+    def predict(self, payload: dict[str, Any]) -> dict[str, Any]:
+        """Run prediction + contributions on a single row payload."""
+        row = {f: payload.get(f, self.baseline[f]) for f in self.feature_order}
+        x_df = pd.DataFrame([row], columns=self.feature_order)
+        proba = self.pipeline.predict_proba(x_df)[0]
+        classes = [str(c) for c in self.pipeline.classes_]
+        probabilities = {
+            label_for_class(self.class_labels, classes, c): float(p)
+            for c, p in zip(classes, proba)
+        }
+        top_idx = int(np.argmax(proba))
+        top_class_raw = classes[top_idx]
+        top_class_label = label_for_class(self.class_labels, classes, top_class_raw)
+
+        # Contributions
+        if isinstance(self.pipeline.named_steps["clf"], LogisticRegression):
+            contributions = _logreg_contributions(
+                self.pipeline, x_df, self.feature_order, self.numeric, self.categorical
+            )
+        else:
+            contributions = _loco_contributions(
+                self.pipeline,
+                x_df,
+                self.feature_order,
+                self.baseline,
+                top_idx,
+            )
+
+        # Top-1 probability for gauge
+        confidence = float(proba[top_idx])
+
+        # Build feature_importance (signed) sorted by |contribution|
+        fi_list = [
+            {
+                "feature": feat,
+                "value": _display_value(row[feat]),
+                "contribution": float(contrib),
+            }
+            for feat, contrib in contributions.items()
+        ]
+        fi_list.sort(key=lambda d: abs(d["contribution"]), reverse=True)
+
+        return {
+            "prediction": top_class_label,
+            "confidence": confidence,
+            "probabilities": probabilities,
+            "feature_importance": fi_list,
+            "feature_order": self.feature_order,
+            "model": self.model_label,
+            "target_type": self.target_type,
+        }
+
+
+def label_for_class(class_labels: list[str], classes: list[str], raw: str) -> str:
+    """Map model class output (may be '0','1' or string) to display label."""
+    try:
+        idx = classes.index(raw)
+        if idx < len(class_labels):
+            return class_labels[idx]
+    except ValueError:
+        pass
+    return raw
+
+
+def _display_value(v: Any) -> Any:
+    if isinstance(v, float):
+        if v != v:  # NaN
+            return None
+        return round(float(v), 3)
+    return v
+
+
+# ─── Contribution helpers ───
+
+def _logreg_contributions(
+    pipeline: Pipeline,
+    x_df: pd.DataFrame,
+    feature_order: list[str],
+    numeric: list[str],
+    categorical: list[str],
+) -> dict[str, float]:
+    """Compute signed coef * x_scaled contribution per original feature.
+
+    For one-hot encoded categoricals we sum over all dummy columns tied to the
+    original feature so the contribution aggregates cleanly for the UI.
+    """
+    preprocessor: ColumnTransformer = pipeline.named_steps["prep"]
+    clf: LogisticRegression = pipeline.named_steps["clf"]
+    x_trans = preprocessor.transform(x_df)
+    if hasattr(x_trans, "toarray"):
+        x_trans = x_trans.toarray()
+    x_trans = np.asarray(x_trans).ravel()
+
+    coef = clf.coef_
+    # Binary LR → single row of coefs; multiclass → use class 1 row (positive)
+    if coef.shape[0] == 1:
+        coefs = coef[0]
+    else:
+        coefs = coef[-1]
+
+    # Map transformed column index → original feature name
+    feature_names_out = _get_feature_names_out(preprocessor, numeric, categorical)
+    per_feat: dict[str, float] = {f: 0.0 for f in feature_order}
+    for i, col_name in enumerate(feature_names_out):
+        original = _strip_prefix(col_name, numeric + categorical)
+        if original in per_feat:
+            per_feat[original] += float(coefs[i] * x_trans[i])
+    return per_feat
+
+
+def _get_feature_names_out(
+    preprocessor: ColumnTransformer,
+    numeric: list[str],
+    categorical: list[str],
+) -> list[str]:
+    """Best-effort retrieval of column names from fitted ColumnTransformer."""
+    try:
+        return list(preprocessor.get_feature_names_out())
+    except Exception:
+        pass
+    names: list[str] = []
+    for name, transformer, cols in preprocessor.transformers_:
+        if name == "num":
+            names.extend([f"num__{c}" for c in cols])
+        elif name == "cat":
+            try:
+                ohe_names = transformer.get_feature_names_out(cols)
+            except Exception:
+                ohe_names = [f"cat__{c}" for c in cols]
+            names.extend(ohe_names)
+    return names
+
+
+def _strip_prefix(col_name: str, originals: list[str]) -> str:
+    # sklearn formats: "num__age", "cat__sex_female"
+    for o in originals:
+        if col_name == f"num__{o}" or col_name.startswith(f"cat__{o}_"):
+            return o
+        if col_name == o or col_name.startswith(f"{o}_"):
+            return o
+    return col_name.split("__", 1)[-1].split("_", 1)[0]
+
+
+def _loco_contributions(
+    pipeline: Pipeline,
+    x_df: pd.DataFrame,
+    feature_order: list[str],
+    baseline: dict[str, Any],
+    target_idx: int,
+) -> dict[str, float]:
+    """LOCO approximation — substitute each feature with its baseline value and
+    compute delta in predicted probability for the predicted class."""
+    base_proba = pipeline.predict_proba(x_df)[0][target_idx]
+    contributions: dict[str, float] = {}
+    for feat in feature_order:
+        substituted = x_df.copy()
+        substituted[feat] = baseline[feat]
+        new_proba = pipeline.predict_proba(substituted)[0][target_idx]
+        # contribution = base - new_with_feature_neutralised
+        # → positive means feature pushed probability UP
+        contributions[feat] = float(base_proba - new_proba)
+    return contributions
+
+
+# ─── Bundle builders ───
+
+def _build_titanic() -> TabularBundle:
+    path = os.path.join(_DATA_DIR, "titanic.csv")
+    df = pd.read_csv(path)
+    # Clean
+    df = df[["pclass", "sex", "age", "sibsp", "parch", "fare", "embarked", "survived"]].copy()
+    df["age"] = df["age"].fillna(df["age"].median())
+    df["fare"] = df["fare"].fillna(df["fare"].median())
+    df["embarked"] = df["embarked"].fillna(df["embarked"].mode().iloc[0])
+    df = df.dropna(subset=["survived"])
+
+    numeric = ["age", "sibsp", "parch", "fare"]
+    categorical = ["pclass", "sex", "embarked"]
+    feature_order = ["pclass", "sex", "age", "sibsp", "parch", "fare", "embarked"]
+
+    preprocessor = ColumnTransformer(
+        transformers=[
+            ("num", StandardScaler(), numeric),
+            ("cat", OneHotEncoder(handle_unknown="ignore"), categorical),
+        ]
+    )
+    pipeline = Pipeline([
+        ("prep", preprocessor),
+        ("clf", LogisticRegression(max_iter=500, C=1.0)),
+    ])
+    pipeline.fit(df[feature_order], df["survived"].astype(int))
+
+    baseline: dict[str, Any] = {
+        "pclass": int(df["pclass"].mode().iloc[0]),
+        "sex": df["sex"].mode().iloc[0],
+        "age": float(df["age"].median()),
+        "sibsp": int(df["sibsp"].median()),
+        "parch": int(df["parch"].median()),
+        "fare": float(df["fare"].median()),
+        "embarked": df["embarked"].mode().iloc[0],
+    }
+
+    return TabularBundle(
+        name="titanic-survival",
+        pipeline=pipeline,
+        feature_order=feature_order,
+        categorical=categorical,
+        numeric=numeric,
+        class_labels=["Did not survive", "Survived"],
+        model_label="LogisticRegression (Titanic)",
+        target_type="binary",
+        baseline=baseline,
+        positive_class="Survived",
+    )
+
+
+def _build_heart() -> TabularBundle:
+    path = os.path.join(_DATA_DIR, "heart.csv")
+    df = pd.read_csv(path)
+    # UCI Cleveland: num 0 = no disease, 1-4 = presence — bin to binary
+    df = df[[
+        "age", "sex", "cp", "trestbps", "chol", "fbs",
+        "restecg", "thalach", "exang", "oldpeak", "num",
+    ]].copy()
+    df = df.apply(pd.to_numeric, errors="coerce").dropna()
+    df["target"] = (df["num"] > 0).astype(int)
+    df = df.drop(columns=["num"])
+
+    feature_order = [
+        "age", "sex", "cp", "trestbps", "chol", "fbs",
+        "restecg", "thalach", "exang", "oldpeak",
+    ]
+    numeric = feature_order[:]
+    categorical: list[str] = []
+
+    preprocessor = ColumnTransformer(
+        transformers=[("num", StandardScaler(), numeric)]
+    )
+    pipeline = Pipeline([
+        ("prep", preprocessor),
+        ("clf", GradientBoostingClassifier(n_estimators=150, max_depth=3, random_state=0)),
+    ])
+    pipeline.fit(df[feature_order], df["target"])
+
+    baseline = {f: float(df[f].mean()) for f in feature_order}
+
+    return TabularBundle(
+        name="heart-disease",
+        pipeline=pipeline,
+        feature_order=feature_order,
+        categorical=categorical,
+        numeric=numeric,
+        class_labels=["Low risk", "Elevated risk"],
+        model_label="GradientBoosting (UCI Cleveland Heart)",
+        target_type="binary",
+        baseline=baseline,
+        positive_class="Elevated risk",
+    )
+
+
+def _build_wine() -> TabularBundle:
+    path = os.path.join(_DATA_DIR, "wine_red.csv")
+    df = pd.read_csv(path, sep=";")
+    df.columns = [c.strip().replace(" ", "_") for c in df.columns]
+    df = df.dropna()
+
+    # Bin quality → 3 classes
+    def _bin(q: float) -> int:
+        if q <= 4:
+            return 0  # low
+        if q <= 6:
+            return 1  # medium
+        return 2  # high
+
+    df["target"] = df["quality"].apply(_bin)
+
+    feature_order = [
+        "alcohol", "volatile_acidity", "sulphates", "citric_acid",
+        "residual_sugar", "chlorides", "pH", "density",
+    ]
+    numeric = feature_order[:]
+    categorical: list[str] = []
+
+    preprocessor = ColumnTransformer(
+        transformers=[("num", StandardScaler(), numeric)]
+    )
+    pipeline = Pipeline([
+        ("prep", preprocessor),
+        ("clf", GradientBoostingClassifier(n_estimators=200, max_depth=3, random_state=0)),
+    ])
+    pipeline.fit(df[feature_order], df["target"])
+
+    baseline = {f: float(df[f].mean()) for f in feature_order}
+
+    return TabularBundle(
+        name="wine-quality",
+        pipeline=pipeline,
+        feature_order=feature_order,
+        categorical=categorical,
+        numeric=numeric,
+        class_labels=["Low (≤4)", "Medium (5–6)", "High (≥7)"],
+        model_label="GradientBoosting (Wine Quality — Red)",
+        target_type="multiclass",
+        baseline=baseline,
+        positive_class=None,
+    )
+
+
+_BUILDERS: dict[str, Callable[[], TabularBundle]] = {
+    "titanic-survival": _build_titanic,
+    "heart-disease": _build_heart,
+    "wine-quality": _build_wine,
+}
+
+
+def get_bundle(name: str) -> TabularBundle:
+    if name in _bundles:
+        return _bundles[name]
+    with _lock:
+        if name in _bundles:
+            return _bundles[name]
+        if name not in _BUILDERS:
+            raise KeyError(f"Unknown tabular bundle: {name}")
+        _bundles[name] = _BUILDERS[name]()
+    return _bundles[name]
+
+
+def schema_summary(name: str) -> dict[str, Any]:
+    """Return baseline/metadata for warmup introspection."""
+    bundle = get_bundle(name)
+    return {
+        "name": bundle.name,
+        "model": bundle.model_label,
+        "features": bundle.feature_order,
+        "numeric": bundle.numeric,
+        "categorical": bundle.categorical,
+        "classes": bundle.class_labels,
+        "target_type": bundle.target_type,
+        "baseline": bundle.baseline,
+    }