{"cells":[{"metadata":{"trusted":true},"cell_type":"code","source":"import numpy as np\nimport pandas as pd\nfrom sklearn.preprocessing import LabelEncoder, StandardScaler\nfrom sklearn.metrics import roc_auc_score, log_loss\nimport matplotlib.pyplot as plt\n%matplotlib inline","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"ls ../input","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"def OrdinalConverter(d):\n    a1 = ord(d[:1])-65\n    if(a1>26):\n        a1-=6\n    #if(len(d)==1):\n    return a1\n#     a2 = ord(d[1:2])-65\n#     if(a2>26):\n#         a2-=6\n#     return a1*52+a2","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train = pd.read_csv('../input/cat-in-the-dat-ii/train.csv')\ndf_test = pd.read_csv('../input/cat-in-the-dat-ii/test.csv')\n","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"allcolumns = df_train.columns\nbinaries = [c for c in df_train.columns if 'bin' in c]\nnominals = [c for c in df_train.columns if 'nom' in c]\nordinals = [c for c in df_train.columns if 'ord' in c]","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train['nans'] = df_train.isnull().sum(axis=1)\ndf_test['nans'] = df_test.isnull().sum(axis=1)","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train = df_train.set_index('id')\ndf_test = df_test.set_index('id')\ny_train = df_train.target\ndel df_train['target']","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"ord_0_mapping = {1 : 0, 2 : 1, 3 : 2}\nord_1_mapping = {'Novice' : 0, 'Contributor' : 1, 'Expert' : 2, 'Master': 3, 'Grandmaster': 4}\nord_2_mapping = { 'Freezing': 0, 'Cold': 1, 'Warm' : 2, 'Hot': 3, 'Boiling Hot' : 4, 'Lava Hot' : 5}\ndf_train['real_ord_0'] = df_train.loc[df_train.ord_0.notnull(), 'ord_0'].map(ord_0_mapping)\ndf_train['real_ord_1'] = df_train.loc[df_train.ord_1.notnull(), 'ord_1'].map(ord_1_mapping)\ndf_train['real_ord_2'] = df_train.loc[df_train.ord_2.notnull(), 'ord_2'].map(ord_2_mapping)\ndf_test['real_ord_0'] = df_test.loc[df_test.ord_0.notnull(), 'ord_0'].map(ord_0_mapping)\ndf_test['real_ord_1'] = df_test.loc[df_test.ord_1.notnull(), 'ord_1'].map(ord_1_mapping)\ndf_test['real_ord_2'] = df_test.loc[df_test.ord_2.notnull(), 'ord_2'].map(ord_2_mapping)\notherordinals = ['ord_3','ord_4','ord_5']\n\nfor c in otherordinals:\n    print(c)\n    df_train['real_'+c] = df_train[[c]].apply(lambda a: OrdinalConverter(a[c]) if not pd.isnull(a[c]) else np.nan,axis=1)\n    df_test['real_'+c] = df_test[[c]].apply(lambda a: OrdinalConverter(a[c]) if not pd.isnull(a[c]) else np.nan,axis=1)\n\n","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train.drop(ordinals,inplace=True,axis=1)\ndf_test.drop(ordinals,inplace=True,axis=1)","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df = pd.concat([df_train,df_test])","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df = pd.get_dummies(df, dummy_na=False, columns=binaries)\n","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df.head()","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df.columns","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"for c in nominals:\n    le = LabelEncoder()\n    df.loc[~df[c].isnull(),c] = le.fit_transform(df.loc[~df[c].isnull(),c])\n","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df.shape","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train = df[:600000].copy()\ndf_test = df[600000:].copy()","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train.head()","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"import category_encoders as ce\ncat_feat_to_encode = list(set(df_train.columns).difference(set(['real_ord_0', 'real_ord_1',\n       'real_ord_2', 'real_ord_3', 'real_ord_4', 'real_ord_5'])))\nsmoothing=100\n\nfolds = 20\noof = np.zeros(df_train[cat_feat_to_encode].shape)\ntest_oof = np.zeros(df_test[cat_feat_to_encode].shape)\n ","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"cat_feat_to_encode","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train.columns","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train[['real_ord_0', 'real_ord_1',\n       'real_ord_2', 'real_ord_3', 'real_ord_4', 'real_ord_5']].head()","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"from sklearn.model_selection import StratifiedKFold\ncat_feat_to_encode = df_train.columns[:].tolist()\n\noof = np.zeros(df_train.shape)\ntest_oof = np.zeros(df_test.shape)\nfrom sklearn.model_selection import StratifiedKFold\nfor tr_idx, oof_idx in StratifiedKFold(n_splits=folds, random_state= 1032, shuffle=True).split(df_train, y_train):\n    ce_target_encoder = ce.TargetEncoder(cols = cat_feat_to_encode, smoothing=smoothing)\n    ce_target_encoder.fit(df_train.iloc[tr_idx, :], y_train.iloc[tr_idx])\n    oof[oof_idx,:] = ce_target_encoder.transform(df_train.iloc[oof_idx, :]).values\n    test_oof[:,:] += ce_target_encoder.transform(df_test).values\ntest_oof /= folds  ","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"new_train = pd.DataFrame(data=oof,columns=['te_'+ c for c in cat_feat_to_encode],index=df_train.index.values)\nnew_test = pd.DataFrame(data=test_oof,columns=['te_'+ c for c in cat_feat_to_encode],index=df_test.index.values)  ","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train = pd.concat([df_train,new_train],axis=1)\ndf_test = pd.concat([df_test,new_test],axis=1)","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"alldata = pd.concat([df_train,df_test])","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"alldata.head()","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"alldata.columns","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"ordinals","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"for c in alldata.columns:\n    print(c)\n    mn = alldata.loc[~alldata[c].isnull(),c].mean()\n    sd = alldata.loc[~alldata[c].isnull(),c].std()\n    alldata.loc[~alldata[c].isnull(),c] -= mn\n    alldata.loc[~alldata[c].isnull(),c] /= sd","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"alldata.drop(nominals,inplace=True,axis=1)","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train = alldata[:600000].copy()\ndf_test = alldata[600000:].copy()\n","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train.head()","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_test.head()","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"df_train['target'] = y_train\n","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"from sklearn.linear_model import LogisticRegression\nglm =LogisticRegression(C=1, random_state=2, solver='lbfgs', max_iter=20600, fit_intercept=True, penalty='l2', verbose=0)\nglm.fit(df_train[df_train.columns[:-1]].fillna(df_train[df_train.columns[:-1]].mean()), df_train.target)\n","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"roc_auc_score(y_train,glm.predict_proba(df_train[df_train.columns[:-1]].fillna(df_train[df_train.columns[:-1]].mean()))[:,1])","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"def Output(p):\n    return 1.0/(1.0+np.exp(-p))\n\ndef GP(data):\n    return Output(  -1.468275 +\n                    0.047290*np.tanh(((((np.tanh((((np.tanh((((((((((data[\"te_real_ord_3\"]) + ((((-1.0)) / 2.0)))) + (((data[\"te_nom_8\"]) + (((data[\"te_nom_7\"]) + (((((data[\"te_real_ord_5\"]) + (((data[\"te_bin_2_0.0\"]) / 2.0)))) + (data[\"te_real_ord_2\"]))))))))) + (data[\"te_real_ord_0\"]))) + (data[\"te_real_ord_3\"]))))) * 2.0)))) * 2.0)) * 2.0)) +\n                    0.041999*np.tanh(((((((data[\"real_ord_5\"]) + (((((data[\"te_nom_7\"]) + (((data[\"te_real_ord_3\"]) + (((data[\"te_real_ord_0\"]) + (((data[\"te_real_ord_3\"]) + (((data[\"te_nom_9\"]) + (np.where(data[\"te_real_ord_3\"] > -998, data[\"te_nom_8\"], data[\"te_nom_9\"] )))))))))))) + (np.where(data[\"real_ord_2\"] > -998, data[\"real_ord_2\"], np.tanh((data[\"real_ord_5\"])) )))))) * 2.0)) * 2.0)) +\n                    0.048760*np.tanh((((((((((data[\"te_bin_0_1.0\"]) + ((((((data[\"te_real_ord_2\"]) + (((data[\"te_nom_8\"]) + (((data[\"te_nom_1\"]) + (data[\"te_real_ord_0\"]))))))/2.0)) * 2.0)))) + (((((((data[\"te_real_ord_3\"]) + (data[\"te_nom_9\"]))) + (data[\"te_nom_7\"]))) + (((((data[\"te_real_ord_5\"]) + (data[\"te_real_ord_3\"]))) + (data[\"te_real_ord_4\"]))))))/2.0)) * 2.0)) * 2.0)) +\n                    0.049284*np.tanh(((((data[\"te_real_ord_0\"]) + (((data[\"te_real_ord_1\"]) + (((((data[\"te_month\"]) - ((-((((((((((((((data[\"te_real_ord_2\"]) + (data[\"te_real_ord_3\"]))/2.0)) * 2.0)) + (np.minimum(((data[\"te_real_ord_5\"])), (((((data[\"te_bin_0_1.0\"]) + (data[\"te_real_ord_5\"]))/2.0))))))) * 2.0)) + (((data[\"te_nom_9\"]) + (data[\"te_real_ord_4\"]))))/2.0))))))) * 2.0)))))) * 2.0)) +\n                    0.048754*np.tanh(((((((data[\"bin_2_1.0\"]) + (data[\"te_nom_1\"]))) + (((np.where(data[\"te_real_ord_2\"] < -998, data[\"te_nom_9\"], ((((data[\"te_real_ord_3\"]) + (data[\"te_month\"]))) + (data[\"te_real_ord_2\"])) )) * 2.0)))) + (((data[\"te_real_ord_5\"]) + (((data[\"te_real_ord_0\"]) + (((data[\"te_nom_9\"]) + (((data[\"te_nom_7\"]) + (data[\"te_real_ord_4\"]))))))))))) +\n                    0.049983*np.tanh(((((data[\"te_bin_0_0.0\"]) + (((((data[\"te_month\"]) + (((data[\"te_real_ord_0\"]) + (data[\"te_real_ord_4\"]))))) + (((((((data[\"te_nom_7\"]) + (data[\"te_real_ord_2\"]))) + (((data[\"te_real_ord_1\"]) + (data[\"te_nom_1\"]))))) + (((data[\"te_real_ord_3\"]) * 2.0)))))))) + (((data[\"te_real_ord_5\"]) + (data[\"te_nom_8\"]))))) +\n                    0.049995*np.tanh(((data[\"te_month\"]) + (((((np.minimum(((data[\"te_bin_0_1.0\"])), ((data[\"real_ord_3\"])))) - ((-((((data[\"te_real_ord_2\"]) + (((((data[\"te_real_ord_5\"]) - ((-((((data[\"te_nom_1\"]) + (((((data[\"te_real_ord_0\"]) + (data[\"te_nom_8\"]))) + (data[\"te_real_ord_4\"])))))))))) + (data[\"te_nom_3\"])))))))))) + (data[\"real_ord_3\"]))))) +\n                    0.049850*np.tanh(((data[\"te_real_ord_2\"]) + (((((data[\"te_real_ord_0\"]) + (((data[\"te_nom_1\"]) + (data[\"te_real_ord_1\"]))))) + (((((((((((data[\"te_nom_8\"]) + (((data[\"te_real_ord_3\"]) + (data[\"te_month\"]))))) + (data[\"te_nom_7\"]))) + (data[\"te_real_ord_5\"]))) + (np.minimum(((data[\"te_nom_8\"])), ((data[\"te_real_ord_3\"])))))) + (data[\"te_bin_2_1.0\"]))))))) +\n                    0.041341*np.tanh(((((((((np.minimum(((np.sin((data[\"real_ord_0\"])))), ((data[\"te_nom_7\"])))) + (((data[\"te_real_ord_2\"]) + (((data[\"te_real_ord_3\"]) + (data[\"te_nom_9\"]))))))) - ((-((((data[\"te_month\"]) + (data[\"te_nom_8\"])))))))) * 2.0)) + (((data[\"te_bin_0_1.0\"]) + (((((data[\"te_real_ord_1\"]) + (data[\"te_real_ord_5\"]))) + (data[\"te_real_ord_3\"]))))))) +\n                    0.049940*np.tanh(((((((((data[\"te_real_ord_3\"]) + (data[\"te_real_ord_2\"]))) + (((((((data[\"te_real_ord_0\"]) + (data[\"te_bin_2_0.0\"]))) + (((((data[\"te_nom_8\"]) + (data[\"te_real_ord_4\"]))) + (np.tanh((data[\"te_nom_5\"]))))))) + (((((data[\"te_month\"]) + (data[\"te_nom_7\"]))) + ((-1.0)))))))) + (data[\"te_real_ord_5\"]))) + (data[\"te_nom_9\"]))) +\n                    0.049852*np.tanh(((data[\"te_nom_2\"]) + (((data[\"te_real_ord_0\"]) + (((((((((((((((data[\"te_real_ord_3\"]) * 2.0)) + (data[\"te_month\"]))) + (np.minimum(((data[\"te_bin_0_1.0\"])), ((data[\"te_nom_9\"])))))) + (((((data[\"real_ord_5\"]) + (((data[\"te_nom_7\"]) + (data[\"te_real_ord_4\"]))))) + (data[\"te_nom_8\"]))))) * 2.0)) / 2.0)) + (data[\"te_nom_3\"]))))))) +\n                    0.049998*np.tanh(((data[\"te_real_ord_3\"]) + (((((((((data[\"te_real_ord_2\"]) + (((data[\"te_real_ord_4\"]) + (data[\"te_nom_9\"]))))) + (((((np.tanh((data[\"te_bin_2_1.0\"]))) + (((data[\"te_real_ord_1\"]) + (data[\"te_nom_3\"]))))) + (((data[\"te_day\"]) + (data[\"te_month\"]))))))) + (np.minimum(((data[\"te_real_ord_3\"])), ((data[\"te_real_ord_5\"])))))) + (data[\"te_real_ord_5\"]))))) +\n                    0.049904*np.tanh(((data[\"te_real_ord_0\"]) + (((((((np.minimum(((data[\"te_nom_8\"])), ((((data[\"te_month\"]) + (((data[\"te_nom_8\"]) + (data[\"te_nom_5\"])))))))) + (data[\"te_real_ord_2\"]))) + (((data[\"te_real_ord_3\"]) + (((((((data[\"te_real_ord_5\"]) + (data[\"te_day\"]))) + (data[\"te_nom_7\"]))) + (np.tanh((data[\"te_real_ord_1\"]))))))))) * 2.0)))) +\n                    0.049975*np.tanh(((((data[\"te_nom_8\"]) + (((((data[\"te_real_ord_2\"]) + (data[\"te_real_ord_3\"]))) + (((((data[\"te_real_ord_0\"]) + (data[\"te_month\"]))) + (((data[\"te_day\"]) + (((((data[\"te_real_ord_4\"]) + (data[\"te_nom_4\"]))) + (((np.tanh((data[\"te_nom_2\"]))) + (((data[\"te_nom_7\"]) + (np.tanh((data[\"te_bin_2_0.0\"]))))))))))))))))) * 2.0)) +\n                    0.044503*np.tanh(((((((data[\"te_real_ord_3\"]) * 2.0)) + (((((((((data[\"te_real_ord_0\"]) + (data[\"te_nom_2\"]))) + (data[\"te_real_ord_2\"]))) + (((((((((((data[\"te_real_ord_5\"]) + (data[\"te_real_ord_1\"]))) + (data[\"te_real_ord_4\"]))) + (data[\"te_month\"]))) + (data[\"te_nom_9\"]))) - ((0.318310)))))) - ((0.318310)))))) + (data[\"te_nom_1\"]))) +\n                    0.041910*np.tanh((((((((((((((((data[\"te_nom_7\"]) + (data[\"te_real_ord_2\"]))) + (((data[\"te_real_ord_3\"]) + ((((data[\"te_bin_2_1.0\"]) + (data[\"te_real_ord_1\"]))/2.0)))))) + (np.minimum(((((data[\"te_nom_1\"]) + (((data[\"te_nom_8\"]) + (data[\"te_nom_5\"])))))), ((((data[\"te_nom_5\"]) + (data[\"te_month\"])))))))) + (data[\"te_real_ord_5\"]))/2.0)) * 2.0)) * 2.0)) * 2.0)) +\n                    0.049845*np.tanh(((data[\"te_nom_3\"]) + (((data[\"te_month\"]) + (((((data[\"te_real_ord_0\"]) + (data[\"te_nom_7\"]))) + (((((((((((data[\"te_real_ord_2\"]) + (data[\"te_real_ord_3\"]))) + (data[\"te_nom_1\"]))) + (np.minimum(((data[\"te_day\"])), ((data[\"te_real_ord_5\"])))))) + ((((data[\"te_nom_8\"]) + (data[\"te_nom_2\"]))/2.0)))) + (np.tanh((data[\"te_nom_9\"]))))))))))) +\n                    0.028460*np.tanh(((((((((data[\"real_ord_3\"]) + ((((data[\"te_nom_5\"]) + (((((data[\"te_real_ord_0\"]) + (((data[\"te_nom_3\"]) + (((data[\"te_real_ord_2\"]) + (data[\"te_nom_7\"]))))))) - (((data[\"bin_2_0.0\"]) - (data[\"te_nom_8\"]))))))/2.0)))) * 2.0)) + (np.minimum(((data[\"bin_0_0.0\"])), ((data[\"te_real_ord_2\"])))))) + (np.minimum(((data[\"te_month\"])), ((data[\"te_nom_7\"])))))) +\n                    0.049901*np.tanh(((((((data[\"te_real_ord_5\"]) + (((((((((((data[\"te_nom_8\"]) + (data[\"te_real_ord_1\"]))) + (data[\"real_ord_3\"]))) + (data[\"te_bin_0_1.0\"]))) - ((-((data[\"te_nom_9\"])))))) + ((((((np.minimum(((data[\"te_month\"])), ((((data[\"te_real_ord_4\"]) + (data[\"te_nom_3\"])))))) * 2.0)) + (data[\"te_real_ord_2\"]))/2.0)))))) + (data[\"te_day\"]))) * 2.0)) +\n                    0.049735*np.tanh(((((((data[\"te_real_ord_0\"]) + (data[\"te_real_ord_3\"]))) + (data[\"te_real_ord_2\"]))) + (((((((data[\"te_nom_2\"]) + (((data[\"te_day\"]) + (np.minimum(((data[\"te_month\"])), ((np.tanh((data[\"real_ord_4\"])))))))))) + (((((data[\"te_nom_8\"]) - (data[\"bin_2_0.0\"]))) + (data[\"te_real_ord_5\"]))))) + (np.minimum(((data[\"te_nom_3\"])), ((data[\"te_nom_7\"])))))))) +\n                    0.049679*np.tanh(((data[\"te_nom_4\"]) + (((((((data[\"te_month\"]) + (((data[\"te_real_ord_4\"]) + (((data[\"te_real_ord_3\"]) + ((((((data[\"te_real_ord_5\"]) + (np.minimum(((data[\"te_nom_9\"])), ((data[\"te_bin_0_1.0\"])))))/2.0)) * 2.0)))))))) + (((data[\"te_nom_1\"]) + ((((((data[\"bin_2_1.0\"]) + (np.minimum(((data[\"te_nom_8\"])), ((data[\"te_nom_7\"])))))/2.0)) * 2.0)))))) * 2.0)))) +\n                    0.048315*np.tanh(((data[\"te_real_ord_1\"]) + (((((((np.minimum(((data[\"te_real_ord_4\"])), ((data[\"te_nom_1\"])))) + (((((data[\"te_nom_8\"]) + (((data[\"te_nom_3\"]) + (data[\"bin_0_0.0\"]))))) + (np.sin((data[\"real_ord_3\"]))))))) + (((((data[\"te_real_ord_2\"]) + (data[\"te_nom_7\"]))) + (((data[\"te_day\"]) + (np.sin((data[\"real_ord_0\"]))))))))) * 2.0)))) +\n                    0.049833*np.tanh(((((((data[\"te_real_ord_0\"]) + (data[\"te_month\"]))) + (data[\"te_real_ord_5\"]))) + (((((data[\"te_nom_5\"]) + (((((data[\"te_real_ord_1\"]) + (data[\"te_real_ord_4\"]))) + (data[\"te_nom_2\"]))))) + (np.minimum(((((data[\"te_real_ord_3\"]) * 2.0))), ((((np.minimum(((((data[\"te_real_ord_2\"]) * 2.0))), ((((data[\"te_real_ord_3\"]) * 2.0))))) + (data[\"te_nom_9\"])))))))))) +\n                    0.049972*np.tanh((((((((((((data[\"te_day\"]) - ((-((data[\"te_real_ord_4\"])))))) + (((data[\"te_bin_0_1.0\"]) * 2.0)))) + (((((data[\"te_nom_9\"]) + (((((data[\"te_nom_4\"]) - ((-((((data[\"te_bin_2_1.0\"]) + (data[\"te_nom_8\"])))))))) + (((data[\"te_real_ord_3\"]) + (data[\"te_real_ord_0\"]))))))) * 2.0)))/2.0)) + (data[\"te_nom_7\"]))) * 2.0)) +\n                    0.049905*np.tanh(((data[\"real_ord_2\"]) + (((data[\"te_nom_7\"]) + (((((((np.minimum(((data[\"te_real_ord_3\"])), ((data[\"te_bin_1_0.0\"])))) + (data[\"te_nom_4\"]))) + (data[\"te_nom_5\"]))) + ((((((data[\"te_real_ord_5\"]) + (((((data[\"te_nom_1\"]) + (data[\"te_nom_3\"]))) + (((data[\"te_real_ord_1\"]) + (((data[\"te_real_ord_0\"]) + (data[\"te_real_ord_3\"]))))))))/2.0)) * 2.0)))))))) +\n                    0.049980*np.tanh(((data[\"te_month\"]) + (((((((data[\"te_nom_8\"]) + (((data[\"te_real_ord_3\"]) + (((data[\"bin_2_1.0\"]) + (data[\"te_nom_2\"]))))))) + (((((data[\"te_real_ord_1\"]) + (data[\"te_nom_4\"]))) + (np.minimum(((data[\"te_day\"])), ((data[\"te_nom_1\"])))))))) + (((data[\"te_real_ord_4\"]) + (((data[\"te_real_ord_5\"]) + (np.sin((data[\"te_nom_5\"]))))))))))) +\n                    0.049438*np.tanh(((data[\"te_bin_4_N\"]) + (((data[\"te_month\"]) + (((((data[\"te_bin_0_1.0\"]) + (((data[\"te_nom_9\"]) + (((data[\"te_nom_3\"]) + (data[\"te_real_ord_5\"]))))))) + (((data[\"te_nom_5\"]) + (((data[\"te_real_ord_3\"]) + (((np.minimum(((((data[\"te_real_ord_2\"]) * 2.0))), ((data[\"te_real_ord_4\"])))) + (((data[\"te_nom_4\"]) + (data[\"te_nom_1\"]))))))))))))))) +\n                    0.047113*np.tanh(((data[\"te_nom_3\"]) + ((((2.94935059547424316)) * ((((((((data[\"te_nom_8\"]) + (np.minimum(((data[\"te_real_ord_3\"])), ((data[\"te_real_ord_4\"])))))) + (data[\"te_nom_7\"]))) + (((data[\"te_nom_9\"]) + ((((((((data[\"te_nom_1\"]) - (np.tanh((data[\"bin_2_0.0\"]))))) + (np.minimum(((data[\"te_real_ord_5\"])), ((data[\"te_real_ord_0\"])))))/2.0)) * 2.0)))))/2.0)))))) +\n                    0.049168*np.tanh((((((((((data[\"te_nom_7\"]) + (((data[\"te_bin_2_0.0\"]) + (data[\"te_real_ord_5\"]))))/2.0)) + (data[\"te_nom_0\"]))) + (np.tanh((data[\"te_day\"]))))) + (((data[\"te_real_ord_2\"]) + (((((data[\"te_real_ord_4\"]) + (np.minimum(((data[\"te_real_ord_0\"])), ((data[\"te_real_ord_3\"])))))) + (np.minimum(((data[\"te_nom_9\"])), ((((data[\"te_nom_3\"]) + (data[\"te_month\"])))))))))))) +\n                    0.049541*np.tanh(((np.minimum(((((data[\"te_bin_1_0.0\"]) + (data[\"te_nom_1\"])))), ((((data[\"te_bin_0_1.0\"]) + (data[\"te_real_ord_0\"])))))) + (((((data[\"te_real_ord_2\"]) + (((data[\"te_month\"]) + (data[\"te_real_ord_4\"]))))) + (((((data[\"te_real_ord_1\"]) + ((((((((data[\"te_nom_7\"]) * 2.0)) + (data[\"te_real_ord_3\"]))/2.0)) + (data[\"te_nom_8\"]))))) + (data[\"te_bin_4_Y\"]))))))) +\n                    0.049973*np.tanh(((((data[\"te_real_ord_1\"]) + ((((((((data[\"te_nom_7\"]) + (data[\"bin_2_1.0\"]))/2.0)) + (data[\"te_bin_1_1.0\"]))) + (data[\"te_nom_8\"]))))) - ((((-((((((np.minimum(((data[\"te_real_ord_5\"])), ((data[\"te_real_ord_0\"])))) + ((((data[\"te_nom_2\"]) + (data[\"te_day\"]))/2.0)))) + ((((data[\"te_nom_5\"]) + (data[\"te_real_ord_2\"]))/2.0))))))) * 2.0)))) +\n                    0.048645*np.tanh(np.where(data[\"real_ord_3\"] < -998, data[\"nans\"], (((((((data[\"te_month\"]) + (data[\"te_nom_3\"]))) + (data[\"te_nom_2\"]))/2.0)) + (((np.minimum(((data[\"te_real_ord_0\"])), ((data[\"te_real_ord_5\"])))) + ((((data[\"te_nom_9\"]) + (((((data[\"te_day\"]) + (((data[\"te_bin_0_1.0\"]) + (data[\"bin_2_1.0\"]))))) + (((data[\"te_bin_4_Y\"]) + (data[\"real_ord_3\"]))))))/2.0))))) )) +\n                    0.046152*np.tanh((((((((data[\"te_day\"]) + (((data[\"te_month\"]) + (data[\"te_real_ord_2\"]))))) + (data[\"te_bin_1_1.0\"]))/2.0)) + (((((data[\"te_nom_6\"]) + (((data[\"te_bin_0_1.0\"]) + (((data[\"te_nom_5\"]) + (data[\"te_nom_1\"]))))))) + (np.minimum(((data[\"te_nom_7\"])), ((((np.where(data[\"te_nom_5\"] < -998, data[\"real_ord_4\"], data[\"te_real_ord_3\"] )) * 2.0))))))))) +\n                    0.049996*np.tanh((((((data[\"te_bin_2_1.0\"]) + (data[\"te_month\"]))/2.0)) + (((data[\"te_nom_4\"]) + (((((((((((((data[\"te_nom_7\"]) + (data[\"te_nom_2\"]))/2.0)) + ((((((data[\"te_real_ord_2\"]) + (data[\"te_nom_9\"]))) + (((np.minimum(((data[\"bin_0_0.0\"])), ((data[\"te_real_ord_1\"])))) + (np.tanh((data[\"te_real_ord_3\"]))))))/2.0)))/2.0)) * 2.0)) * 2.0)) + (data[\"te_nom_3\"]))))))) +\n                    0.047794*np.tanh((((((data[\"te_real_ord_0\"]) + ((((((((np.minimum(((data[\"te_nom_1\"])), ((data[\"te_real_ord_2\"])))) + (np.minimum(((data[\"te_real_ord_5\"])), ((((data[\"te_real_ord_3\"]) * 2.0))))))) + (((data[\"bin_2_1.0\"]) - ((-(((((data[\"te_month\"]) + ((((((data[\"te_nom_0\"]) + (((data[\"te_nom_8\"]) * 2.0)))/2.0)) * 2.0)))/2.0))))))))/2.0)) * 2.0)))/2.0)) * 2.0)) +\n                    0.049944*np.tanh((((((((data[\"te_month\"]) + (((data[\"te_real_ord_5\"]) + (((data[\"te_real_ord_1\"]) + (data[\"te_real_ord_0\"]))))))) + (((data[\"te_nom_4\"]) + (((((data[\"te_bin_0_1.0\"]) + (data[\"te_nom_9\"]))) + (((((data[\"te_nom_5\"]) + (((data[\"te_real_ord_4\"]) + (data[\"bin_1_0.0\"]))))) + (data[\"te_nom_4\"]))))))))/2.0)) + (data[\"te_nom_8\"]))) +\n                    0.037920*np.tanh(((((data[\"te_nom_3\"]) + (np.minimum(((data[\"te_real_ord_2\"])), ((((data[\"te_bin_4_N\"]) + (data[\"te_day\"])))))))) + (((np.minimum(((data[\"te_real_ord_1\"])), ((data[\"te_real_ord_3\"])))) + (((((((((((np.minimum(((data[\"te_nom_7\"])), ((data[\"te_real_ord_3\"])))) + (data[\"te_nom_1\"]))/2.0)) * 2.0)) + (np.maximum(((data[\"te_real_ord_4\"])), ((data[\"te_nom_0\"])))))/2.0)) * 2.0)))))) +\n                    0.046360*np.tanh((((((((data[\"te_real_ord_4\"]) + (((data[\"te_real_ord_2\"]) + (np.sin((data[\"te_real_ord_3\"]))))))) + (np.minimum(((data[\"te_nom_4\"])), ((data[\"te_day\"])))))) + (((((data[\"te_nom_2\"]) + (((data[\"te_nom_5\"]) - (data[\"real_ord_3\"]))))) + (((((data[\"te_real_ord_3\"]) + (data[\"te_nom_9\"]))) + (np.minimum(((data[\"te_nom_7\"])), ((data[\"te_real_ord_3\"])))))))))/2.0)) +\n                    0.049740*np.tanh((((data[\"te_bin_0_1.0\"]) + ((((data[\"te_nom_6\"]) + (((((((np.minimum(((data[\"te_real_ord_5\"])), (((((((data[\"te_real_ord_1\"]) + (((data[\"te_real_ord_0\"]) + (data[\"te_nom_1\"]))))/2.0)) + (data[\"te_nom_8\"])))))) - (np.cos(((((((data[\"month\"]) + (data[\"te_nom_7\"]))/2.0)) + ((14.39997959136962891)))))))) * 2.0)) * 2.0)))/2.0)))/2.0)) +\n                    0.048550*np.tanh((((((data[\"te_day\"]) + (((np.minimum(((data[\"bin_4_Y\"])), ((((data[\"te_bin_1_1.0\"]) + (((data[\"te_month\"]) + (data[\"te_nom_6\"])))))))) + ((((data[\"te_real_ord_0\"]) + (data[\"te_real_ord_2\"]))/2.0)))))) + (((np.tanh((data[\"bin_2_1.0\"]))) + (((data[\"te_nom_4\"]) + ((((data[\"te_nom_3\"]) + (data[\"te_real_ord_3\"]))/2.0)))))))/2.0)) +\n                    0.047951*np.tanh((((((np.minimum(((((((((np.minimum(((data[\"te_bin_0_1.0\"])), ((np.sin((data[\"real_ord_5\"])))))) + (data[\"te_nom_7\"]))) / 2.0)) + (data[\"te_real_ord_4\"])))), ((((data[\"te_nom_2\"]) + (((data[\"te_bin_0_1.0\"]) + (data[\"te_nom_8\"])))))))) + (((data[\"te_nom_0\"]) + (data[\"te_real_ord_1\"]))))/2.0)) + ((((data[\"te_real_ord_3\"]) + (np.sin((data[\"te_nom_5\"]))))/2.0)))) +\n                    0.031950*np.tanh((((data[\"te_real_ord_5\"]) + (((np.where(data[\"te_nom_4\"] < -998, data[\"te_month\"], ((data[\"te_nom_4\"]) + (data[\"te_nom_1\"])) )) + (((np.where((0.0) > -998, np.maximum(((data[\"te_month\"])), ((np.minimum(((data[\"te_nom_8\"])), ((data[\"te_nom_9\"])))))), data[\"te_real_ord_5\"] )) + (np.minimum(((data[\"te_real_ord_2\"])), ((data[\"te_nom_9\"])))))))))/2.0)) +\n                    0.049920*np.tanh(np.sin((np.minimum((((((((((((np.minimum(((data[\"te_nom_7\"])), ((data[\"te_nom_8\"])))) + (data[\"bin_2_1.0\"]))/2.0)) + (((data[\"real_ord_2\"]) / 2.0)))/2.0)) + ((((data[\"te_nom_8\"]) + (data[\"real_ord_5\"]))/2.0)))/2.0))), (((((data[\"te_nom_9\"]) + ((((data[\"bin_2_1.0\"]) + (np.minimum(((data[\"real_ord_2\"])), ((data[\"te_real_ord_0\"])))))/2.0)))/2.0))))))) +\n                    0.044820*np.tanh(np.sin((((((((data[\"real_ord_3\"]) + (((data[\"te_nom_3\"]) + (data[\"te_nom_7\"]))))/2.0)) + ((((np.minimum(((((np.maximum(((data[\"te_bin_0_1.0\"])), ((((((data[\"te_month\"]) + (data[\"te_nom_3\"]))) * 2.0))))) - (data[\"real_ord_3\"])))), ((np.where(data[\"nans\"] > -998, data[\"te_nom_5\"], data[\"real_ord_3\"] ))))) + (data[\"te_real_ord_0\"]))/2.0)))/2.0)))) +\n                    0.049998*np.tanh((((((np.maximum((((-((np.sin((np.sin((data[\"te_bin_0_1.0\"]))))))))), ((data[\"real_ord_2\"])))) * (data[\"te_day\"]))) + (((((((data[\"nans\"]) + (((data[\"te_real_ord_4\"]) + (data[\"te_bin_0_1.0\"]))))) / 2.0)) + (np.sin((np.sin(((((data[\"te_nom_2\"]) + (((((data[\"real_ord_5\"]) + (data[\"te_bin_4_N\"]))) / 2.0)))/2.0)))))))))/2.0)) +\n                    0.026570*np.tanh(np.maximum(((np.minimum(((np.sin((np.minimum(((((data[\"te_bin_1_1.0\"]) / 2.0))), ((data[\"te_nom_6\"]))))))), ((np.sin((((((((data[\"te_bin_1_1.0\"]) + (data[\"te_month\"]))/2.0)) + (np.where(np.minimum(((data[\"real_ord_0\"])), ((data[\"te_nom_6\"]))) > -998, ((data[\"te_real_ord_3\"]) * 2.0), data[\"te_month\"] )))/2.0)))))))), ((np.minimum(((data[\"real_ord_0\"])), ((((data[\"real_ord_2\"]) * (data[\"te_real_ord_3\"]))))))))) +\n                    0.049720*np.tanh((((-((((data[\"te_real_ord_3\"]) * (((((data[\"te_bin_4_Y\"]) - (((data[\"te_real_ord_2\"]) + (((data[\"te_real_ord_0\"]) / 2.0)))))) - ((((((((data[\"te_month\"]) + (((data[\"te_nom_9\"]) + (data[\"te_bin_4_Y\"]))))) + (data[\"te_nom_8\"]))) + (data[\"te_bin_4_Y\"]))/2.0))))))))) * (data[\"te_real_ord_5\"]))) +\n                    0.049180*np.tanh((((((data[\"te_real_ord_2\"]) + (np.minimum(((((data[\"te_nom_1\"]) + (data[\"te_nom_2\"])))), ((((data[\"te_month\"]) + (((np.where(np.cos((data[\"te_month\"])) > -998, data[\"te_month\"], data[\"te_nom_1\"] )) + (np.cos((data[\"te_bin_1_1.0\"])))))))))))/2.0)) / 2.0)) +\n                    0.039470*np.tanh(np.minimum(((np.maximum(((data[\"real_ord_5\"])), ((((data[\"te_real_ord_3\"]) * 2.0)))))), ((((((((((np.tanh((data[\"real_ord_1\"]))) + ((((((data[\"te_bin_2_1.0\"]) + (data[\"real_ord_5\"]))/2.0)) * (data[\"te_real_ord_3\"]))))/2.0)) + ((((((data[\"te_bin_2_1.0\"]) + (data[\"real_ord_5\"]))/2.0)) * (data[\"real_ord_5\"]))))/2.0)) + (np.sin((((data[\"te_nom_5\"]) * 2.0))))))))) +\n                    0.045492*np.tanh(((((((data[\"te_nom_9\"]) * ((((data[\"te_real_ord_4\"]) + ((((data[\"te_nom_8\"]) + (data[\"te_bin_0_1.0\"]))/2.0)))/2.0)))) * 2.0)) * ((((data[\"te_bin_0_1.0\"]) + (((((((((data[\"te_nom_8\"]) + (np.sin((data[\"real_ord_5\"]))))/2.0)) + (((data[\"bin_4_Y\"]) + (np.tanh((np.sin((data[\"te_nom_9\"]))))))))) + (np.sin((data[\"real_ord_5\"]))))/2.0)))/2.0)))) +\n                    0.034819*np.tanh(((np.cos((data[\"real_ord_5\"]))) * (((((((data[\"te_nom_7\"]) + ((-((((data[\"real_ord_3\"]) / 2.0))))))/2.0)) + ((((((np.cos((data[\"bin_0_1.0\"]))) + ((((data[\"real_ord_5\"]) + (np.where(data[\"te_real_ord_3\"] < -998, data[\"bin_0_1.0\"], ((((data[\"te_real_ord_3\"]) * (data[\"bin_0_1.0\"]))) * (data[\"bin_0_1.0\"])) )))/2.0)))/2.0)) * (data[\"bin_0_1.0\"]))))/2.0)))) +\n                    0.049001*np.tanh(((data[\"bin_0_1.0\"]) * (np.minimum(((((((((data[\"bin_0_1.0\"]) * (data[\"real_ord_4\"]))) * (np.maximum(((data[\"te_nom_4\"])), ((np.where(data[\"te_nom_7\"] > -998, data[\"te_nom_7\"], data[\"te_nom_4\"] ))))))) / 2.0))), ((np.sin((((data[\"real_ord_4\"]) - ((-((np.minimum(((data[\"real_ord_3\"])), ((np.where(data[\"real_ord_4\"] > -998, data[\"te_nom_7\"], data[\"real_ord_3\"] ))))))))))))))))) +\n                    0.035700*np.tanh((((((((data[\"te_real_ord_5\"]) + (((data[\"te_nom_9\"]) + (np.minimum(((data[\"te_nom_7\"])), ((data[\"te_real_ord_5\"])))))))/2.0)) + (((data[\"te_nom_7\"]) + (data[\"te_real_ord_0\"]))))) * (((((data[\"te_nom_8\"]) + (data[\"te_real_ord_2\"]))) * (data[\"te_real_ord_3\"]))))) +\n                    0.048870*np.tanh((-((((np.minimum(((((np.minimum(((((np.minimum((((0.0))), ((data[\"te_bin_0_0.0\"])))) * (data[\"te_nom_8\"])))), ((np.minimum(((data[\"te_bin_0_0.0\"])), ((data[\"te_bin_0_0.0\"]))))))) * (data[\"te_nom_8\"])))), ((np.minimum(((data[\"te_real_ord_5\"])), ((data[\"te_bin_0_1.0\"]))))))) * (np.where(data[\"te_bin_0_1.0\"] < -998, data[\"te_nom_8\"], ((((data[\"te_nom_8\"]) / 2.0)) / 2.0) ))))))) +\n                    0.0*np.tanh(((data[\"te_real_ord_3\"]) * ((((((np.sin((((((((((((np.cos((data[\"day\"]))) + (data[\"bin_0_1.0\"]))/2.0)) * 2.0)) * 2.0)) + (data[\"bin_0_1.0\"]))/2.0)))) * 2.0)) + (data[\"bin_0_1.0\"]))/2.0)))) +\n                    0.038040*np.tanh(((((((-((((data[\"nans\"]) * (data[\"te_real_ord_2\"])))))) + (((((-((((data[\"te_bin_0_1.0\"]) * ((((2.88482022285461426)) * (data[\"te_real_ord_2\"])))))))) + (((data[\"nans\"]) * (((np.where(data[\"real_ord_5\"] > -998, data[\"te_real_ord_3\"], data[\"te_real_ord_2\"] )) * ((-(((2.88482022285461426))))))))))/2.0)))/2.0)) / 2.0)) +\n                    0.023170*np.tanh(((np.minimum(((np.sin((data[\"te_nom_6\"])))), ((np.maximum(((data[\"te_bin_2_1.0\"])), (((-((((np.minimum(((data[\"te_nom_0\"])), ((data[\"te_bin_0_1.0\"])))) * (((((((data[\"nans\"]) - (data[\"te_nom_0\"]))) / 2.0)) + (((data[\"nans\"]) + (data[\"te_bin_1_1.0\"])))))))))))))))) / 2.0)) +\n                    0.045005*np.tanh((((np.maximum(((np.minimum(((data[\"te_real_ord_0\"])), (((((np.sin((data[\"te_nom_3\"]))) + (((data[\"te_nom_7\"]) * (data[\"te_real_ord_2\"]))))/2.0)))))), ((np.minimum(((((np.sin((data[\"bin_2_1.0\"]))) * (data[\"te_real_ord_2\"])))), ((data[\"real_ord_5\"]))))))) + (((np.tanh((data[\"bin_2_1.0\"]))) * (((data[\"real_ord_5\"]) / 2.0)))))/2.0)) +\n                    0.048440*np.tanh(((np.where(data[\"real_ord_5\"] < -998, ((np.where(((((np.where(data[\"te_bin_0_0.0\"] > -998, data[\"real_ord_5\"], data[\"real_ord_5\"] )) - (data[\"te_real_ord_5\"]))) - (data[\"te_real_ord_4\"])) < -998, data[\"te_bin_3_T\"], data[\"real_ord_5\"] )) / 2.0), ((((data[\"real_ord_5\"]) - (data[\"te_real_ord_5\"]))) * 2.0) )) * 2.0)) +\n                    0.043283*np.tanh(np.minimum(((np.sin((((((data[\"real_ord_4\"]) / 2.0)) * (((np.where(data[\"real_ord_3\"] > -998, data[\"te_nom_6\"], data[\"real_ord_4\"] )) / 2.0))))))), ((((np.maximum(((data[\"te_day\"])), ((((np.maximum(((data[\"te_real_ord_5\"])), ((np.where(data[\"real_ord_3\"] < -998, data[\"real_ord_4\"], data[\"real_ord_3\"] ))))) / 2.0))))) * 2.0))))) +\n                    0.047520*np.tanh(((np.minimum(((np.minimum(((np.sin((np.cos((np.minimum(((data[\"te_nom_7\"])), ((((np.sin((((data[\"te_nom_9\"]) * 2.0)))) * 2.0)))))))))), ((((np.cos((np.minimum(((data[\"te_nom_8\"])), ((np.sin((((((data[\"te_nom_7\"]) * 2.0)) * 2.0))))))))) / 2.0)))))), ((np.cos((np.minimum(((data[\"te_nom_7\"])), ((np.sin((data[\"te_nom_7\"]))))))))))) / 2.0)) +\n                    0.044310*np.tanh(np.where(((data[\"real_ord_3\"]) - (np.sin((data[\"real_ord_5\"])))) < -998, data[\"bin_0_1.0\"], ((np.tanh((np.sin((np.where(((data[\"real_ord_5\"]) * 2.0) < -998, data[\"real_ord_3\"], np.sin((data[\"real_ord_5\"])) )))))) - (np.sin((((data[\"real_ord_5\"]) * 2.0))))) )) +\n                    0.049185*np.tanh(((data[\"bin_0_1.0\"]) * (np.maximum(((data[\"te_bin_0_0.0\"])), ((np.minimum(((data[\"bin_0_1.0\"])), ((np.cos((((((np.tanh((np.minimum(((data[\"bin_0_1.0\"])), ((np.tanh((np.minimum(((np.minimum(((data[\"te_nom_9\"])), ((data[\"month\"]))))), ((np.cos((((np.minimum(((data[\"te_real_ord_3\"])), ((np.cos((((data[\"te_nom_9\"]) * 2.0))))))) * 2.0)))))))))))))) * 2.0)) * 2.0)))))))))))) +\n                    0.014602*np.tanh(((((np.sin(((((np.where(data[\"real_ord_5\"] < -998, np.cos(((3.141593))), data[\"te_real_ord_2\"] )) + (np.sin(((((np.sin(((((np.cos(((3.141593)))) + (data[\"real_ord_5\"]))/2.0)))) + (data[\"bin_2_1.0\"]))/2.0)))))/2.0)))) * (data[\"te_month\"]))) * (data[\"te_real_ord_3\"]))) +\n                    0.028560*np.tanh((((((data[\"te_nom_7\"]) + (np.minimum(((data[\"te_bin_2_1.0\"])), ((((((((data[\"nans\"]) + (((data[\"nans\"]) + ((-(((-1.0))))))))) + ((-((((data[\"te_bin_1_0.0\"]) / 2.0))))))) + (data[\"nans\"])))))))/2.0)) * ((-((((data[\"te_bin_1_1.0\"]) / 2.0))))))) +\n                    0.026585*np.tanh(np.where(np.minimum(((data[\"day\"])), (((-((data[\"real_ord_3\"])))))) < -998, ((data[\"real_ord_3\"]) * 2.0), (-((np.tanh((((data[\"te_day\"]) * (np.sin((((np.sin((((np.where(np.minimum(((data[\"day\"])), ((((data[\"real_ord_3\"]) * 2.0)))) < -998, data[\"te_nom_8\"], data[\"real_ord_3\"] )) / 2.0)))) / 2.0)))))))))) )) +\n                    0.034420*np.tanh(((data[\"bin_0_1.0\"]) * (np.sin((((data[\"te_real_ord_3\"]) + (((data[\"te_nom_8\"]) - ((-(((((data[\"te_nom_1\"]) + (((np.sin((((data[\"bin_0_1.0\"]) + (((data[\"real_ord_0\"]) - (np.tanh(((-(((((((data[\"bin_0_1.0\"]) + (data[\"real_ord_1\"]))/2.0)) * 2.0))))))))))))) * 2.0)))/2.0))))))))))))) +\n                    0.017700*np.tanh(((((data[\"te_real_ord_3\"]) * ((((((data[\"te_bin_2_0.0\"]) * (data[\"te_month\"]))) + (np.maximum((((-((np.where(data[\"te_real_ord_3\"] < -998, data[\"te_month\"], data[\"te_month\"] )))))), ((((data[\"te_real_ord_2\"]) * (data[\"te_real_ord_4\"])))))))/2.0)))) / 2.0)) +\n                    0.030000*np.tanh((((-((np.where(data[\"day\"] < -998, data[\"te_bin_1_1.0\"], ((((np.minimum(((data[\"te_bin_2_1.0\"])), ((((((data[\"te_real_ord_2\"]) * (data[\"te_bin_2_1.0\"]))) - (data[\"day\"])))))) - (data[\"te_real_ord_0\"]))) * (((((data[\"te_nom_6\"]) * (data[\"te_bin_2_1.0\"]))) / 2.0))) ))))) / 2.0)) +\n                    0.014400*np.tanh(((((data[\"te_nom_2\"]) * (np.where(data[\"real_ord_4\"] < -998, data[\"te_real_ord_3\"], np.sin((np.sin(((((((-((data[\"te_real_ord_3\"])))) * 2.0)) - (np.where(data[\"real_ord_3\"] < -998, data[\"bin_2_1.0\"], ((((data[\"bin_2_1.0\"]) * (data[\"te_nom_2\"]))) / 2.0) ))))))) )))) / 2.0)) +\n                    0.003110*np.tanh(np.tanh(((((((((data[\"te_nom_0\"]) * (((((data[\"bin_0_0.0\"]) - ((((data[\"nans\"]) + (((data[\"te_real_ord_1\"]) / 2.0)))/2.0)))) * 2.0)))) + ((((((((data[\"bin_1_0.0\"]) * 2.0)) + (data[\"te_nom_8\"]))/2.0)) * (((np.cos((data[\"te_bin_0_1.0\"]))) * (((data[\"te_nom_8\"]) * (data[\"te_bin_2_1.0\"]))))))))/2.0)) / 2.0)))) +\n                    0.0*np.tanh(np.where(data[\"day\"] < -998, ((data[\"real_ord_5\"]) + (np.cos((((np.cos((((data[\"te_month\"]) + (data[\"real_ord_1\"]))))) + (data[\"te_real_ord_2\"])))))), np.sin((((data[\"te_real_ord_5\"]) * ((-((np.cos((((((data[\"te_month\"]) + (data[\"real_ord_1\"]))) + (data[\"te_real_ord_2\"]))))))))))) )) +\n                    0.042930*np.tanh(((data[\"bin_0_0.0\"]) * (np.sin((((data[\"real_ord_0\"]) * (np.minimum(((np.minimum(((data[\"real_ord_5\"])), ((((((((((data[\"te_nom_8\"]) + (np.tanh((data[\"te_real_ord_4\"]))))/2.0)) + ((((((data[\"te_nom_8\"]) + (data[\"te_real_ord_4\"]))/2.0)) * 2.0)))/2.0)) * 2.0)))))), (((((data[\"te_nom_8\"]) + ((((data[\"te_nom_8\"]) + (data[\"te_real_ord_4\"]))/2.0)))/2.0))))))))))) +\n                    0.043940*np.tanh(((data[\"bin_0_1.0\"]) * (np.minimum(((((data[\"te_real_ord_5\"]) * (((data[\"te_real_ord_1\"]) * (data[\"bin_0_1.0\"])))))), (((((2.0)) * (np.minimum(((((data[\"te_real_ord_5\"]) * (((data[\"te_real_ord_5\"]) * (np.where(data[\"bin_0_1.0\"] < -998, data[\"te_bin_1_0.0\"], ((data[\"te_real_ord_1\"]) * (data[\"bin_0_1.0\"])) ))))))), ((np.maximum(((data[\"bin_0_1.0\"])), ((data[\"real_ord_3\"])))))))))))))) +\n                    0.044472*np.tanh((((-((data[\"bin_0_0.0\"])))) * (np.sin((((np.maximum(((data[\"te_month\"])), ((((((((data[\"te_real_ord_1\"]) + (data[\"te_nom_3\"]))/2.0)) + (np.where(data[\"real_ord_1\"] < -998, data[\"real_ord_3\"], data[\"te_bin_0_1.0\"] )))/2.0))))) / 2.0)))))) +\n                    0.000004*np.tanh(((data[\"te_real_ord_2\"]) * (((((np.sin((data[\"real_ord_3\"]))) - ((-((((np.sin((data[\"te_nom_9\"]))) - ((-((((data[\"te_nom_3\"]) - ((-((data[\"real_ord_5\"])))))))))))))))) * (((((np.sin((data[\"month\"]))) - ((-((np.sin((data[\"real_ord_3\"])))))))) / 2.0)))))) +\n                    0.025296*np.tanh((((1.0)) - (np.sin((((((np.cos((data[\"real_ord_2\"]))) + (np.cos((np.maximum(((data[\"real_ord_5\"])), ((np.cos((data[\"real_ord_2\"])))))))))) + (np.cos((np.maximum(((data[\"te_real_ord_3\"])), ((np.minimum(((np.cos((((data[\"te_real_ord_3\"]) * 2.0))))), ((data[\"real_ord_0\"]))))))))))))))) +\n                    0.025824*np.tanh(np.sin((((((np.cos((np.maximum(((data[\"te_bin_2_1.0\"])), ((data[\"real_ord_5\"])))))) - (((data[\"te_real_ord_0\"]) + (((data[\"te_nom_8\"]) + (data[\"real_ord_2\"]))))))) - (((data[\"real_ord_3\"]) + (data[\"te_nom_7\"]))))))) +\n                    0.046440*np.tanh(np.minimum((((0.0))), ((np.maximum(((data[\"te_nom_5\"])), (((((((np.minimum(((np.cos((data[\"real_ord_1\"])))), ((np.maximum(((np.maximum(((data[\"te_nom_7\"])), ((((((((np.cos((data[\"te_nom_7\"]))) + (((data[\"te_nom_9\"]) * (np.maximum(((data[\"bin_4_Y\"])), ((data[\"te_nom_9\"])))))))/2.0)) + (data[\"te_nom_7\"]))/2.0)))))), ((data[\"te_nom_5\"]))))))) * 2.0)) + (data[\"te_nom_7\"]))/2.0)))))))) +\n                    0.041090*np.tanh(((((((data[\"te_real_ord_2\"]) * (data[\"te_real_ord_3\"]))) / 2.0)) * (((((data[\"te_month\"]) / 2.0)) + (((((data[\"real_ord_4\"]) / 2.0)) + ((((data[\"te_bin_3_F\"]) + (((((data[\"te_real_ord_3\"]) / 2.0)) + (((data[\"te_bin_2_1.0\"]) + (np.where(data[\"te_real_ord_2\"] > -998, data[\"te_nom_1\"], ((data[\"real_ord_4\"]) / 2.0) )))))))/2.0)))))))) +\n                    0.023230*np.tanh(np.where(np.where(data[\"real_ord_3\"] > -998, data[\"te_real_ord_3\"], data[\"real_ord_3\"] ) < -998, ((data[\"nans\"]) * (data[\"te_real_ord_1\"])), np.where(((data[\"real_ord_4\"]) - (data[\"te_nom_0\"])) < -998, ((data[\"te_nom_3\"]) * 2.0), np.sin((((((data[\"te_real_ord_3\"]) * (((data[\"te_real_ord_0\"]) * (((data[\"te_real_ord_5\"]) * (((data[\"te_bin_0_1.0\"]) * 2.0)))))))) / 2.0))) ) )) +\n                    0.034410*np.tanh(((((data[\"te_nom_0\"]) * ((-((np.where(data[\"real_ord_0\"] < -998, data[\"nans\"], np.sin((np.where(data[\"month\"] < -998, data[\"real_ord_0\"], np.sin((np.sin((((data[\"nans\"]) + (np.where(((data[\"real_ord_0\"]) + (data[\"real_ord_0\"])) < -998, data[\"real_ord_0\"], ((data[\"month\"]) + (data[\"real_ord_0\"])) ))))))) ))) ))))))) / 2.0)) +\n                    0.002430*np.tanh(((np.where(data[\"real_ord_4\"] < -998, data[\"day\"], ((data[\"te_nom_1\"]) * (np.sin(((-((np.where(data[\"day\"] < -998, data[\"real_ord_2\"], np.where((0.0) < -998, data[\"day\"], ((((data[\"bin_1_0.0\"]) * 2.0)) * ((-((np.tanh((np.cos((data[\"day\"]))))))))) ) )))))))) )) / 2.0)) +\n                    0.043500*np.tanh(np.minimum((((0.0))), ((np.maximum(((np.minimum(((np.maximum(((data[\"te_month\"])), ((np.where(data[\"te_month\"] > -998, data[\"real_ord_0\"], data[\"te_real_ord_3\"] )))))), ((np.minimum(((np.maximum(((data[\"te_month\"])), ((data[\"te_nom_8\"]))))), ((np.maximum(((data[\"te_real_ord_3\"])), ((np.maximum(((data[\"te_real_ord_2\"])), ((np.where(data[\"te_real_ord_3\"] < -998, data[\"te_nom_8\"], data[\"te_nom_8\"] ))))))))))))))), ((data[\"te_real_ord_3\"]))))))) +\n                    0.049399*np.tanh(((data[\"bin_0_1.0\"]) * (((data[\"bin_0_1.0\"]) * ((((data[\"te_nom_3\"]) + ((((((data[\"te_real_ord_3\"]) + (np.maximum(((data[\"te_real_ord_3\"])), ((data[\"te_real_ord_0\"])))))) + (np.minimum(((((np.tanh((data[\"te_nom_9\"]))) + (((data[\"te_real_ord_3\"]) + (np.maximum(((data[\"te_real_ord_3\"])), ((data[\"te_real_ord_0\"]))))))))), ((((data[\"bin_0_1.0\"]) * (data[\"te_nom_2\"])))))))/2.0)))/2.0)))))) +\n                    0.049815*np.tanh(((((data[\"te_nans\"]) * (np.cos((((data[\"te_nom_6\"]) + (np.where(data[\"real_ord_5\"] < -998, ((data[\"bin_3_F\"]) + (data[\"real_ord_2\"])), ((data[\"real_ord_5\"]) + (np.where(((data[\"real_ord_2\"]) * 2.0) < -998, ((data[\"real_ord_5\"]) + (np.where(data[\"real_ord_2\"] < -998, (6.49070024490356445), data[\"te_nans\"] ))), data[\"bin_3_F\"] ))) )))))))) / 2.0)) +\n                    0.009500*np.tanh(((data[\"te_bin_2_0.0\"]) * (np.sin(((((-((np.maximum(((data[\"te_real_ord_1\"])), ((((np.maximum(((np.minimum(((data[\"real_ord_3\"])), ((np.cos((data[\"bin_2_1.0\"]))))))), ((np.minimum(((np.maximum(((np.minimum(((data[\"te_real_ord_0\"])), ((np.tanh((data[\"te_real_ord_5\"]))))))), ((data[\"real_ord_3\"]))))), ((np.tanh((np.maximum(((data[\"te_real_ord_5\"])), ((data[\"te_real_ord_5\"])))))))))))) * 2.0)))))))) * 2.0)))))) +\n                    0.0*np.tanh(((((((np.sin((((data[\"real_ord_4\"]) - (data[\"te_real_ord_4\"]))))) * 2.0)) * 2.0)) * 2.0)) +\n                    0.040760*np.tanh(((((np.sin((data[\"te_bin_1_1.0\"]))) * (np.maximum(((data[\"real_ord_5\"])), ((((data[\"day\"]) + (((data[\"day\"]) + ((-((((((np.maximum(((data[\"te_nom_0\"])), ((((np.maximum(((data[\"real_ord_5\"])), ((((np.sin((data[\"te_bin_2_1.0\"]))) + (data[\"te_real_ord_2\"])))))) * 2.0))))) * 2.0)) * 2.0)))))))))))))) / 2.0)) +\n                    0.0*np.tanh(((((data[\"te_month\"]) * (np.sin((((((((data[\"real_ord_3\"]) + (((data[\"te_month\"]) * (np.tanh(((((data[\"real_ord_5\"]) + (((((data[\"real_ord_3\"]) * (data[\"te_real_ord_0\"]))) * (data[\"te_nom_9\"]))))/2.0)))))))/2.0)) + (((data[\"real_ord_5\"]) + ((((data[\"te_real_ord_0\"]) + (data[\"te_nom_9\"]))/2.0)))))/2.0)))))) * (data[\"te_real_ord_2\"]))) +\n                    0.020989*np.tanh(np.where(data[\"real_ord_4\"] < -998, np.sin((data[\"real_ord_4\"])), ((((data[\"te_nom_8\"]) * (np.sin((np.sin((data[\"te_nom_5\"]))))))) * (np.minimum((((-((data[\"bin_1_1.0\"]))))), ((np.minimum(((np.maximum(((data[\"real_ord_4\"])), ((data[\"te_nom_5\"]))))), ((np.maximum(((data[\"bin_2_1.0\"])), (((-((data[\"te_bin_0_0.0\"])))))))))))))) )) +\n                    0.017192*np.tanh(((((data[\"real_ord_0\"]) * (((data[\"real_ord_3\"]) * (((data[\"te_nom_7\"]) + ((((((1.570796)) * (((data[\"te_nom_9\"]) + (((np.tanh((data[\"bin_2_1.0\"]))) + (((((data[\"bin_2_1.0\"]) * (data[\"te_month\"]))) + (data[\"te_real_ord_2\"]))))))))) + ((((1.570796)) * (data[\"te_month\"]))))))))))) / 2.0)) +\n                    0.0*np.tanh(((data[\"te_real_ord_0\"]) * (((np.maximum((((-((np.cos((np.maximum(((data[\"real_ord_3\"])), ((((data[\"te_month\"]) + (data[\"te_real_ord_2\"])))))))))))), (((((((((((-((np.maximum(((data[\"real_ord_3\"])), ((((data[\"te_month\"]) + (data[\"te_real_ord_2\"]))))))))) * 2.0)) * 2.0)) * 2.0)) * 2.0))))) / 2.0)))) +\n                    0.008157*np.tanh(((data[\"te_bin_0_0.0\"]) * (((((((data[\"te_nom_0\"]) + (data[\"real_ord_5\"]))/2.0)) + ((-((((data[\"real_ord_5\"]) + (np.minimum(((((data[\"bin_0_1.0\"]) * (np.minimum(((data[\"te_bin_1_0.0\"])), ((data[\"te_nom_9\"]))))))), ((((data[\"bin_2_1.0\"]) * (np.minimum(((data[\"month\"])), (((((data[\"te_nom_0\"]) + (data[\"te_bin_1_0.0\"]))/2.0))))))))))))))))/2.0)))) +\n                    0.014110*np.tanh(np.tanh((np.tanh((np.tanh((((data[\"te_real_ord_2\"]) * (((((data[\"te_nom_4\"]) * 2.0)) * (((data[\"real_ord_3\"]) + (np.sin((((np.maximum(((np.maximum(((data[\"bin_4_N\"])), ((np.maximum(((((data[\"te_nom_4\"]) * 2.0))), ((((data[\"te_nom_1\"]) * 2.0))))))))), ((((data[\"te_nom_0\"]) * (data[\"te_nom_4\"])))))) * (data[\"te_bin_2_1.0\"]))))))))))))))))) +\n                    0.0*np.tanh(((np.maximum(((np.where(data[\"te_real_ord_4\"] > -998, np.maximum(((((data[\"bin_0_1.0\"]) / 2.0))), ((((data[\"bin_2_1.0\"]) * ((((((data[\"te_nom_7\"]) + (((((((data[\"te_real_ord_4\"]) + (data[\"te_month\"]))/2.0)) + (data[\"te_month\"]))/2.0)))/2.0)) / 2.0)))))), data[\"te_real_ord_4\"] ))), ((((data[\"te_real_ord_3\"]) * (data[\"te_real_ord_4\"])))))) * ((((data[\"real_ord_0\"]) + (data[\"te_month\"]))/2.0)))) +\n                    0.025100*np.tanh(((np.cos((np.minimum(((data[\"real_ord_3\"])), ((data[\"bin_4_Y\"])))))) - (np.cos((np.minimum(((((data[\"bin_4_Y\"]) * (np.where(data[\"real_ord_3\"] > -998, data[\"real_ord_3\"], ((data[\"bin_4_Y\"]) * (np.where(data[\"real_ord_3\"] > -998, data[\"real_ord_3\"], data[\"te_real_ord_2\"] ))) ))))), ((((data[\"bin_3_T\"]) * (data[\"te_nom_0\"])))))))))) +\n                    0.033340*np.tanh(((data[\"te_real_ord_2\"]) * (((np.maximum(((np.sin((((data[\"te_real_ord_1\"]) * (((np.maximum(((data[\"te_nom_1\"])), ((((data[\"te_real_ord_0\"]) * (np.maximum(((data[\"te_nom_9\"])), ((data[\"te_real_ord_3\"]))))))))) / 2.0))))))), ((np.maximum(((((data[\"te_bin_0_1.0\"]) * (data[\"real_ord_0\"])))), ((((data[\"te_real_ord_3\"]) * (data[\"te_nom_9\"]))))))))) / 2.0)))) +\n                    0.0*np.tanh(np.sin((((data[\"te_nom_1\"]) * ((((((data[\"real_ord_0\"]) + (np.where(data[\"real_ord_0\"] < -998, data[\"real_ord_0\"], np.where(data[\"real_ord_0\"] < -998, data[\"te_nom_8\"], data[\"te_nom_8\"] ) )))/2.0)) * ((((((data[\"real_ord_0\"]) + (np.where(data[\"real_ord_0\"] < -998, data[\"te_nom_8\"], data[\"te_bin_2_1.0\"] )))/2.0)) / 2.0)))))))) +\n                    0.028169*np.tanh((-((((np.where(data[\"te_real_ord_3\"] < -998, data[\"te_real_ord_2\"], np.sin((((((data[\"te_real_ord_2\"]) + (((data[\"te_real_ord_3\"]) + (data[\"te_real_ord_4\"]))))) + (data[\"real_ord_5\"])))) )) + (np.sin((((((((data[\"te_real_ord_3\"]) + (data[\"te_nom_7\"]))) + (data[\"real_ord_5\"]))) + (data[\"te_nom_7\"])))))))))))","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"roc_auc_score(y_train,GP(df_train[df_train.columns[:-1]].fillna(-999)))","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"def GPComplex(data):\n    return Output(  0.009000*np.tanh(np.real(((data[\"te_nom_8\"]) + (((((data[\"te_nom_9\"]) + (((((((data[\"real_ord_3\"]) * 2.0)) + (((((data[\"te_real_ord_2\"]) + (((((data[\"te_real_ord_5\"]) + (((data[\"real_ord_0\"]) + (((data[\"te_real_ord_4\"]) + (data[\"te_nom_8\"]))))))) + (data[\"te_nom_7\"]))))) + (data[\"te_month\"]))))) * 2.0)))) * 2.0))))) +\n                    0.010475*np.tanh(np.real(((data[\"real_ord_4\"]) + (((((((((data[\"te_real_ord_3\"]) * 2.0)) + (data[\"te_month\"]))) * 2.0)) + (((data[\"real_ord_5\"]) + (((((((data[\"te_nom_8\"]) + ((((data[\"te_nom_1\"]) + (data[\"te_real_ord_0\"]))/2.0)))) * 2.0)) + (((data[\"te_real_ord_2\"]) + (((data[\"te_nom_3\"]) + (((data[\"te_real_ord_2\"]) + (data[\"real_ord_5\"])))))))))))))))) +\n                    0.003510*np.tanh(np.real(((((((((data[\"real_ord_0\"]) - (complex(0.636620)))) + (data[\"te_real_ord_2\"]))) + (((np.sinh((data[\"real_ord_3\"]))) + (data[\"te_nom_8\"]))))) + (np.sinh((((data[\"real_ord_3\"]) + (((data[\"te_nom_7\"]) + ((((((((((data[\"te_nom_1\"]) - (data[\"te_month\"]))) + (data[\"te_real_ord_5\"]))/2.0)) + (data[\"te_month\"]))) * 2.0))))))))))) +\n                    0.012129*np.tanh(np.real(((((data[\"te_month\"]) + (((data[\"te_nom_9\"]) + ((((((((((((((((np.sinh((data[\"te_real_ord_0\"]))) + (data[\"te_nom_8\"]))) + (data[\"te_month\"]))) + (((data[\"te_real_ord_3\"]) * 2.0)))) + (data[\"te_real_ord_2\"]))) + (np.conjugate(((data[\"te_nom_7\"]) + (data[\"te_real_ord_5\"])))))/2.0)) * 2.0)) * 2.0)))))) + (data[\"te_nom_1\"])))) +\n                    0.014315*np.tanh(np.real(((((((data[\"real_ord_5\"]) + (((((data[\"real_ord_3\"]) + (data[\"te_real_ord_2\"]))) + (data[\"te_nom_8\"]))))) * 2.0)) + (((np.conjugate(((((data[\"te_real_ord_0\"]) + (((((data[\"te_day\"]) + (data[\"real_ord_3\"]))) + (data[\"te_real_ord_1\"]))))) + (data[\"te_real_ord_4\"])))) + (((data[\"te_nom_7\"]) - (np.cosh((data[\"real_ord_3\"])))))))))) +\n                    0.0*np.tanh(np.real(((((((data[\"te_real_ord_2\"]) + (((((((data[\"real_ord_0\"]) + (data[\"real_ord_3\"]))) + (((data[\"te_real_ord_4\"]) + (((((((((data[\"te_nom_8\"]) + (data[\"te_real_ord_5\"]))) + (((data[\"te_real_ord_2\"]) + (data[\"real_ord_3\"]))))) + (((data[\"te_month\"]) + (np.conjugate(data[\"te_nom_1\"])))))) * 2.0)))))) * 2.0)))) * 2.0)) * 2.0))) +\n                    0.006388*np.tanh(np.real(((((((((data[\"te_real_ord_5\"]) + (((data[\"real_ord_3\"]) + ((((data[\"real_ord_0\"]) + (data[\"te_nom_3\"]))/2.0)))))) + (((((np.tanh((data[\"real_ord_0\"]))) + (((data[\"te_month\"]) + (((np.tanh((data[\"te_bin_2_0.0\"]))) + (((data[\"te_real_ord_3\"]) + (data[\"te_real_ord_4\"]))))))))) + (data[\"te_real_ord_2\"]))))) * 2.0)) * 2.0))) +\n                    0.038000*np.tanh(np.real(((((((((((((data[\"te_real_ord_3\"]) + (((((data[\"te_nom_7\"]) + (data[\"te_real_ord_4\"]))) + (data[\"te_real_ord_3\"]))))) + (data[\"te_month\"]))) + (data[\"te_real_ord_0\"]))) + (((((data[\"real_ord_5\"]) + (data[\"te_nom_8\"]))) + (((data[\"real_ord_1\"]) + (data[\"te_real_ord_2\"]))))))) * 2.0)) + (((data[\"te_real_ord_2\"]) + (data[\"te_nom_9\"])))))) +\n                    0.031940*np.tanh(np.real(((((((data[\"te_real_ord_3\"]) + (data[\"te_nom_3\"]))) + (data[\"real_ord_1\"]))) + (((((((data[\"real_ord_5\"]) + (((data[\"te_bin_2_0.0\"]) + (((((data[\"real_ord_0\"]) + (data[\"te_nom_8\"]))) + (data[\"te_real_ord_3\"]))))))) + (((((data[\"real_ord_2\"]) + (data[\"month\"]))) + (data[\"te_nom_7\"]))))) * 2.0))))) +\n                    0.027526*np.tanh(np.real(((((((data[\"te_real_ord_3\"]) + (((((data[\"te_nom_9\"]) + ((((((data[\"real_ord_0\"]) + (data[\"te_real_ord_3\"]))/2.0)) + (data[\"te_month\"]))))) + (((data[\"te_real_ord_2\"]) + (data[\"te_real_ord_5\"]))))))) + ((((((np.sinh((((data[\"te_nom_8\"]) + (data[\"te_real_ord_4\"]))))) + (data[\"real_ord_1\"]))) + (data[\"bin_2_1.0\"]))/2.0)))) * 2.0))) +\n                    0.031490*np.tanh(np.real(((((((data[\"te_nom_5\"]) + (((data[\"te_real_ord_3\"]) + (np.conjugate(((((((data[\"te_real_ord_3\"]) + (((((((data[\"te_nom_9\"]) + (((data[\"real_ord_2\"]) + (((data[\"real_ord_5\"]) + (data[\"te_real_ord_0\"]))))))) + (data[\"te_nom_7\"]))) + (data[\"month\"]))))) + (data[\"te_day\"]))) * 2.0))))))) + (data[\"real_ord_1\"]))) * 2.0))) +\n                    0.018550*np.tanh(np.real(((((((data[\"te_nom_7\"]) + (((((((data[\"te_real_ord_5\"]) + (((((((data[\"te_nom_8\"]) + (data[\"te_real_ord_2\"]))) + (data[\"real_ord_0\"]))) + (data[\"real_ord_3\"]))))) + (((data[\"real_ord_4\"]) + (data[\"real_ord_3\"]))))) + (np.conjugate(np.conjugate(((data[\"te_day\"]) + (np.sinh((data[\"te_month\"]))))))))))) * 2.0)) * 2.0))) +\n                    0.013530*np.tanh(np.real(((((data[\"real_ord_1\"]) + (data[\"real_ord_0\"]))) + ((((((((((((data[\"te_day\"]) + (data[\"real_ord_4\"]))) + (((np.sin((data[\"real_ord_3\"]))) + (((((data[\"te_month\"]) + (((((data[\"te_real_ord_3\"]) + (data[\"real_ord_5\"]))) + (data[\"real_ord_2\"]))))) * 2.0)))))) + (data[\"te_bin_2_1.0\"]))/2.0)) + (data[\"te_nom_8\"]))) * 2.0))))) +\n                    0.049868*np.tanh(np.real(((((((data[\"te_month\"]) + (data[\"te_nom_9\"]))) + (data[\"te_real_ord_3\"]))) + (((data[\"te_real_ord_4\"]) + (((data[\"te_real_ord_3\"]) + (((((data[\"te_real_ord_2\"]) + (((((data[\"te_nom_1\"]) + (((data[\"te_nom_5\"]) + (data[\"te_bin_2_0.0\"]))))) + (((data[\"real_ord_5\"]) + (data[\"bin_0_0.0\"]))))))) + (data[\"te_nom_7\"])))))))))) +\n                    0.048000*np.tanh(np.real(((((((data[\"real_ord_0\"]) + (((((((data[\"te_nom_8\"]) + (complex(-1.0)))) + (data[\"te_nom_7\"]))) + (((data[\"real_ord_4\"]) + (((data[\"te_nom_1\"]) + (data[\"te_nom_9\"]))))))))) + (data[\"real_ord_3\"]))) + (((data[\"te_month\"]) + (((((data[\"te_real_ord_3\"]) + (data[\"te_real_ord_5\"]))) + (data[\"te_real_ord_2\"])))))))) +\n                    0.048681*np.tanh(np.real(((((((data[\"te_real_ord_3\"]) + (data[\"te_real_ord_5\"]))) + (data[\"te_real_ord_4\"]))) + (((((data[\"te_real_ord_3\"]) + (data[\"te_month\"]))) - ((-((((((((data[\"te_nom_7\"]) + (data[\"real_ord_0\"]))) + (((data[\"te_nom_8\"]) - ((-((((data[\"real_ord_1\"]) + (data[\"te_real_ord_2\"])))))))))) + (data[\"te_nom_3\"]))))))))))) +\n                    0.009795*np.tanh(np.real(((((data[\"real_ord_2\"]) + (((((data[\"real_ord_4\"]) + (((data[\"te_nom_9\"]) + (data[\"te_nom_7\"]))))) + (((((((data[\"te_real_ord_3\"]) * 2.0)) + (data[\"te_nom_8\"]))) - (np.cos((np.sqrt((((data[\"te_bin_0_0.0\"]) + (data[\"te_day\"]))))))))))))) + (((data[\"real_ord_5\"]) + (data[\"te_real_ord_0\"])))))) +\n                    0.005996*np.tanh(np.real(((((np.sinh((data[\"real_ord_2\"]))) + (((data[\"te_real_ord_3\"]) + (data[\"te_real_ord_1\"]))))) + (((((((((data[\"te_nom_9\"]) + (data[\"te_month\"]))) + (((((((data[\"te_day\"]) + (data[\"real_ord_4\"]))) + (data[\"te_nom_7\"]))) + (((data[\"te_real_ord_3\"]) + (complex(-1.0)))))))) + (data[\"real_ord_0\"]))) + (data[\"te_real_ord_5\"])))))) +\n                    0.044472*np.tanh(np.real(((((((data[\"te_real_ord_5\"]) + (((data[\"te_bin_2_1.0\"]) + (((complex(-1.0)) + (((data[\"te_nom_3\"]) + (((data[\"te_nom_9\"]) + (data[\"te_real_ord_0\"]))))))))))) + (((((data[\"real_ord_3\"]) + (((((data[\"te_nom_8\"]) + (data[\"te_month\"]))) + (data[\"te_bin_0_1.0\"]))))) + (data[\"te_real_ord_3\"]))))) + (data[\"te_real_ord_2\"])))) +\n                    0.036947*np.tanh(np.real(((data[\"te_month\"]) + (((data[\"te_nom_8\"]) + (((((((data[\"real_ord_2\"]) + (((data[\"real_ord_3\"]) + (np.conjugate(data[\"te_nom_7\"])))))) * 2.0)) + (((((((data[\"te_bin_2_0.0\"]) + (complex(-1.0)))) + (((data[\"te_real_ord_4\"]) + (data[\"te_real_ord_5\"]))))) + (((data[\"te_real_ord_0\"]) + (data[\"te_nom_1\"])))))))))))) +\n                    0.048511*np.tanh(np.real(((np.sinh((complex(-1.0)))) + (((data[\"real_ord_0\"]) + (((data[\"te_nom_7\"]) + (((((data[\"te_real_ord_2\"]) + (((data[\"te_real_ord_3\"]) + (((data[\"te_real_ord_1\"]) + (((data[\"te_month\"]) + (((data[\"te_nom_1\"]) + (data[\"real_ord_5\"]))))))))))) + (((data[\"te_day\"]) + (((data[\"te_nom_9\"]) + (data[\"real_ord_4\"])))))))))))))) +\n                    0.034525*np.tanh(np.real(((((((((((data[\"te_real_ord_2\"]) + (data[\"te_bin_0_1.0\"]))) + (data[\"te_real_ord_1\"]))) + (((data[\"te_real_ord_4\"]) + (data[\"te_month\"]))))) + (data[\"te_real_ord_0\"]))) + (((((data[\"bin_2_1.0\"]) + (((((data[\"te_nom_7\"]) + (data[\"te_day\"]))) + (data[\"te_real_ord_5\"]))))) + (np.sinh((((data[\"real_ord_3\"]) - (complex(1.0))))))))))) +\n                    0.040610*np.tanh(np.real(((data[\"real_ord_5\"]) + (((((((data[\"real_ord_3\"]) + (((data[\"te_nom_8\"]) + (data[\"te_real_ord_2\"]))))) + (data[\"real_ord_4\"]))) + (((((data[\"te_real_ord_0\"]) + (((((data[\"te_nom_1\"]) - (np.cosh((data[\"real_ord_3\"]))))) + (((data[\"te_nom_9\"]) + (((data[\"bin_2_1.0\"]) + (data[\"real_ord_1\"]))))))))) + (data[\"te_real_ord_3\"])))))))) +\n                    0.049501*np.tanh(np.real(((data[\"te_nom_8\"]) + (((((data[\"te_bin_0_0.0\"]) + (((((data[\"te_real_ord_1\"]) + (data[\"real_ord_4\"]))) + (((((data[\"te_real_ord_0\"]) + (((((data[\"te_real_ord_2\"]) + (((data[\"te_nom_3\"]) + (((complex(-1.0)) + (data[\"te_month\"]))))))) + (data[\"te_nom_7\"]))))) + (data[\"real_ord_5\"]))))))) + (data[\"real_ord_3\"])))))) +\n                    0.049955*np.tanh(np.real(((data[\"te_nom_8\"]) + (((((((((data[\"te_bin_0_1.0\"]) + (data[\"te_nom_9\"]))) + (((data[\"te_real_ord_2\"]) + (((data[\"te_month\"]) + (data[\"te_nom_2\"]))))))) + (((data[\"real_ord_0\"]) + (np.sin((data[\"te_bin_2_0.0\"]))))))) + (((data[\"te_nom_7\"]) + (((((data[\"real_ord_5\"]) + (data[\"te_nom_4\"]))) + (data[\"real_ord_3\"])))))))))) +\n                    0.035810*np.tanh(np.real(((((data[\"te_nom_7\"]) + (((data[\"te_real_ord_2\"]) + (data[\"te_real_ord_3\"]))))) + (((((((data[\"te_real_ord_5\"]) + (data[\"real_ord_0\"]))) - (((data[\"bin_0_1.0\"]) + ((-((data[\"te_nom_5\"])))))))) + (((((data[\"te_real_ord_3\"]) - (((complex(1.0)) - (data[\"te_day\"]))))) + (data[\"te_nom_8\"])))))))) +\n                    0.049505*np.tanh(np.real(((data[\"te_nom_2\"]) + (((((data[\"real_ord_3\"]) + (((((data[\"te_nom_7\"]) + (((((data[\"te_real_ord_5\"]) + (((data[\"te_nom_1\"]) + (data[\"te_nom_5\"]))))) + (complex(-1.0)))))) + ((((((np.sinh((data[\"te_month\"]))) + (data[\"real_ord_0\"]))/2.0)) + ((((((data[\"real_ord_2\"]) + (data[\"te_nom_8\"]))/2.0)) * 2.0)))))))) * 2.0))))) +\n                    0.049705*np.tanh(np.real(((data[\"te_real_ord_2\"]) + (((((((((((((data[\"real_ord_3\"]) + (data[\"te_month\"]))) + (np.sin((data[\"te_nom_8\"]))))) * 2.0)) + (((((complex(-1.0)) + (data[\"te_nom_2\"]))) + (((data[\"te_real_ord_1\"]) + ((((((data[\"te_nom_9\"]) + (data[\"te_nom_5\"]))/2.0)) * 2.0)))))))) + (data[\"te_real_ord_4\"]))) + (data[\"te_nom_1\"])))))) +\n                    0.049980*np.tanh(np.real(((data[\"bin_2_1.0\"]) + (((data[\"te_nom_1\"]) + (((((((data[\"te_nom_3\"]) + (data[\"real_ord_4\"]))) + (data[\"te_nom_8\"]))) + (((data[\"real_ord_5\"]) + (((complex(-1.0)) + (((((data[\"te_month\"]) + ((((((data[\"te_nom_9\"]) + (data[\"real_ord_0\"]))/2.0)) + (data[\"te_real_ord_2\"]))))) + (data[\"real_ord_3\"])))))))))))))) +\n                    0.049945*np.tanh(np.real(((((((((((((data[\"real_ord_0\"]) - (np.cos((np.sqrt((data[\"te_real_ord_5\"]))))))) + (data[\"te_nom_3\"]))) + (data[\"te_real_ord_2\"]))) + (((data[\"te_day\"]) + (data[\"te_nom_7\"]))))) + (data[\"te_real_ord_1\"]))) + ((((((data[\"te_nom_1\"]) + (data[\"te_nom_8\"]))/2.0)) + (((data[\"te_real_ord_3\"]) + (data[\"te_nom_4\"])))))))) +\n                    0.039107*np.tanh(np.real(((np.sinh((data[\"te_bin_0_1.0\"]))) + (((((((((((data[\"te_day\"]) + (data[\"real_ord_4\"]))) + (((data[\"te_real_ord_5\"]) + (((((((data[\"bin_2_1.0\"]) + (data[\"real_ord_2\"]))) + (data[\"real_ord_0\"]))) + (data[\"te_month\"]))))))) + (((data[\"te_nom_8\"]) + (data[\"real_ord_3\"]))))) * 2.0)) + (np.sinh((data[\"te_nom_7\"])))))))) +\n                    0.049750*np.tanh(np.real(((data[\"te_nom_7\"]) + (((data[\"te_nom_9\"]) + (((((((((data[\"te_real_ord_5\"]) - (((complex(0.636620)) - (((data[\"te_nom_2\"]) + (((data[\"te_nom_1\"]) + ((((data[\"te_month\"]) + (data[\"real_ord_2\"]))/2.0)))))))))) + (((data[\"real_ord_3\"]) + (data[\"te_day\"]))))) + (data[\"real_ord_0\"]))) + (data[\"te_nom_3\"])))))))) +\n                    0.030000*np.tanh(np.real(((data[\"te_real_ord_4\"]) + (((data[\"te_nom_5\"]) + (((np.sinh((((((data[\"real_ord_2\"]) + (data[\"te_real_ord_5\"]))) + (((data[\"real_ord_3\"]) + (((data[\"te_nom_8\"]) - (np.cos((np.sqrt((((((data[\"te_nom_7\"]) + (data[\"te_nom_9\"]))) * 2.0)))))))))))))) + (((data[\"te_nom_3\"]) - (data[\"bin_2_0.0\"])))))))))) +\n                    0.049915*np.tanh(np.real(((data[\"te_nom_5\"]) + (((((((data[\"real_ord_5\"]) + (((((((data[\"te_bin_0_0.0\"]) + (((data[\"te_nom_4\"]) + (((data[\"te_real_ord_4\"]) + (((data[\"te_nom_3\"]) + (((data[\"real_ord_1\"]) + (data[\"real_ord_0\"]))))))))))) + (data[\"te_bin_2_1.0\"]))) + (((data[\"te_nom_8\"]) + (data[\"te_real_ord_3\"]))))))) - (complex(1.570796)))) * 2.0))))) +\n                    0.049963*np.tanh(np.real(((data[\"te_month\"]) - ((-((((((data[\"te_nom_8\"]) + (((((((data[\"te_nom_5\"]) + (data[\"te_nom_7\"]))) + (((data[\"te_nom_4\"]) + (data[\"te_nom_9\"]))))) + (((data[\"real_ord_1\"]) - (complex(0.318310)))))))) + (((data[\"real_ord_3\"]) + (((data[\"te_nom_1\"]) + (((data[\"real_ord_5\"]) + (data[\"te_bin_0_1.0\"]))))))))))))))) +\n                    0.049498*np.tanh(np.real(((data[\"te_real_ord_3\"]) + (((((((data[\"te_nom_7\"]) + (((data[\"te_bin_2_1.0\"]) + (((data[\"te_nom_2\"]) + (((data[\"real_ord_1\"]) + (((data[\"te_nom_9\"]) + (data[\"te_month\"]))))))))))) + (((data[\"te_nom_4\"]) + (((data[\"te_real_ord_2\"]) + (((data[\"real_ord_0\"]) + (data[\"te_real_ord_4\"]))))))))) - (np.sqrt((complex(0.636620))))))))) +\n                    0.049984*np.tanh(np.real(((((((data[\"te_nom_8\"]) + (((data[\"te_bin_4_N\"]) + (data[\"te_nom_1\"]))))) + (((data[\"te_month\"]) + (data[\"real_ord_2\"]))))) + (((((((data[\"te_nom_9\"]) + (((((data[\"te_nom_3\"]) + (data[\"te_real_ord_3\"]))) + (data[\"te_real_ord_5\"]))))) + (data[\"te_nom_2\"]))) + (((data[\"te_day\"]) - (np.cosh((data[\"bin_0_1.0\"])))))))))) +\n                    0.045810*np.tanh(np.real(((data[\"real_ord_4\"]) + (((((((data[\"te_day\"]) + (((data[\"te_nom_8\"]) + (((((data[\"te_nom_3\"]) + (data[\"te_nom_2\"]))) + (data[\"real_ord_0\"]))))))) + (((((((data[\"real_ord_2\"]) + (data[\"te_nom_7\"]))) + (data[\"bin_2_1.0\"]))) + (data[\"te_real_ord_3\"]))))) - (((complex(1.0)) + (data[\"bin_0_1.0\"])))))))) +\n                    0.047890*np.tanh(np.real(((((((((np.conjugate(data[\"te_nom_5\"])) + (data[\"te_real_ord_1\"]))) + (((((data[\"te_nom_2\"]) + (data[\"te_real_ord_2\"]))) + (data[\"te_bin_1_1.0\"]))))) - (np.sqrt((np.cosh((data[\"te_bin_0_1.0\"]))))))) + (np.conjugate(((((((data[\"te_real_ord_0\"]) + (data[\"te_real_ord_5\"]))) + (data[\"te_month\"]))) + (data[\"real_ord_3\"]))))))) +\n                    0.049928*np.tanh(np.real(((((data[\"te_nom_5\"]) + (((data[\"te_real_ord_4\"]) + (((data[\"te_nom_0\"]) + (((data[\"te_nom_8\"]) + (((data[\"real_ord_5\"]) + (((((data[\"te_nom_1\"]) + (((data[\"te_nom_9\"]) - (np.cos((data[\"bin_2_1.0\"]))))))) + (((data[\"te_bin_0_0.0\"]) + (((data[\"real_ord_3\"]) + (data[\"te_month\"]))))))))))))))))) + (data[\"te_nom_4\"])))) +\n                    0.040868*np.tanh(np.real(((((((((data[\"te_day\"]) + (data[\"te_nom_8\"]))) - (((data[\"bin_2_0.0\"]) - (((data[\"te_bin_4_N\"]) + (((data[\"real_ord_2\"]) - (((np.cosh((data[\"te_bin_1_1.0\"]))) - (np.sinh(((((((data[\"te_nom_1\"]) + (((data[\"te_real_ord_0\"]) + (data[\"te_nom_7\"]))))/2.0)) + (data[\"real_ord_3\"]))))))))))))))) * 2.0)) + (data[\"te_day\"])))) +\n                    0.045998*np.tanh(np.real(((data[\"te_nom_7\"]) + (((((data[\"te_bin_1_1.0\"]) + (((((data[\"real_ord_0\"]) + (((data[\"te_day\"]) - (np.cos((np.sqrt((((data[\"te_month\"]) + (np.sinh((data[\"te_nom_1\"]))))))))))))) + (data[\"real_ord_3\"]))))) + (((data[\"te_nom_4\"]) + (((data[\"te_bin_0_1.0\"]) + (((data[\"real_ord_4\"]) + (data[\"te_nom_3\"])))))))))))) +\n                    0.049620*np.tanh(np.real(((((((((data[\"te_nom_9\"]) + (data[\"real_ord_5\"]))) + (np.conjugate((((data[\"te_nom_7\"]) + (((((((((((data[\"te_nom_6\"]) + (data[\"te_nom_8\"]))) + (data[\"real_ord_1\"]))) - ((-((data[\"te_nom_5\"])))))) + (data[\"te_nom_4\"]))) * 2.0)))/2.0))))) + (data[\"real_ord_2\"]))) - (np.sqrt((data[\"bin_0_1.0\"])))))) +\n                    0.049767*np.tanh(np.real(((((data[\"te_real_ord_3\"]) + (data[\"te_nom_7\"]))) + (((((data[\"bin_2_1.0\"]) + (((data[\"te_bin_4_Y\"]) + (((((data[\"te_nom_0\"]) + (((((data[\"real_ord_0\"]) + (data[\"real_ord_5\"]))) - (complex(1.0)))))) + (((data[\"te_nom_3\"]) + (data[\"te_nom_1\"]))))))))) + (((data[\"te_nom_9\"]) + (data[\"te_nom_2\"])))))))) +\n                    0.043221*np.tanh(np.real(((((((((data[\"real_ord_1\"]) + (data[\"te_day\"]))) - (complex(1.0)))) + (((((data[\"te_nom_5\"]) + (data[\"real_ord_3\"]))) + (data[\"te_nom_3\"]))))) + (((data[\"real_ord_2\"]) + (((((((data[\"te_nom_2\"]) / 2.0)) + (data[\"te_nom_9\"]))) + (((data[\"real_ord_4\"]) + (((data[\"te_month\"]) + (data[\"te_nom_2\"])))))))))))) +\n                    0.035580*np.tanh(np.real(((data[\"te_bin_0_1.0\"]) + (((data[\"te_nom_1\"]) + (((data[\"te_nom_4\"]) + ((((((data[\"real_ord_4\"]) + (((data[\"te_day\"]) + (((data[\"te_bin_1_1.0\"]) + (((data[\"bin_2_1.0\"]) + (((((data[\"real_ord_3\"]) + (data[\"te_real_ord_1\"]))) + (np.sinh((((data[\"te_month\"]) - (complex(0.636620)))))))))))))))/2.0)) + (data[\"te_nom_8\"])))))))))) +\n                    0.047749*np.tanh(np.real((((((data[\"te_bin_0_1.0\"]) + (((data[\"real_ord_5\"]) + (data[\"bin_4_Y\"]))))) + (((data[\"real_ord_4\"]) - ((-((((((((((((data[\"te_real_ord_0\"]) + (data[\"real_ord_5\"]))) + (((data[\"te_nom_6\"]) + (data[\"te_month\"]))))) - (np.cosh((data[\"real_ord_5\"]))))) + (data[\"real_ord_2\"]))) - (np.sin((data[\"bin_2_0.0\"])))))))))))/2.0))) +\n                    0.048250*np.tanh(np.real(((np.sin((data[\"te_nom_5\"]))) + (((data[\"te_nom_8\"]) + (((((np.sin((data[\"te_nom_9\"]))) + (np.conjugate((((((((data[\"real_ord_0\"]) + (((data[\"te_nom_3\"]) + (data[\"te_nom_2\"]))))) + (data[\"te_nom_7\"]))) + (((data[\"te_bin_0_1.0\"]) + (((data[\"real_ord_3\"]) + (data[\"te_day\"]))))))/2.0))))) - (complex(0.318310))))))))) +\n                    0.048170*np.tanh(np.real(((((data[\"real_ord_2\"]) / 2.0)) + (np.conjugate(((((((((((data[\"real_ord_5\"]) + (((data[\"te_month\"]) + (data[\"real_ord_3\"]))))) + (data[\"bin_1_0.0\"]))/2.0)) + (data[\"te_nom_0\"]))) + ((((((((data[\"te_day\"]) + (data[\"te_nom_7\"]))) + (((data[\"te_nom_1\"]) + (data[\"real_ord_1\"]))))/2.0)) - (complex(1.0)))))/2.0)))))) +\n                    0.044730*np.tanh(np.real((((((((((((data[\"te_real_ord_3\"]) + (data[\"te_nom_4\"]))) + ((((data[\"nans\"]) + (((np.sinh((data[\"month\"]))) + (data[\"te_nom_7\"]))))/2.0)))) + (data[\"real_ord_4\"]))) - ((((np.cosh((((data[\"real_ord_3\"]) - (data[\"te_nom_7\"]))))) + (data[\"bin_1_1.0\"]))/2.0)))) + ((((data[\"real_ord_3\"]) + (data[\"te_nom_7\"]))/2.0)))/2.0))) +\n                    0.034540*np.tanh(np.real(((((data[\"real_ord_5\"]) + ((((data[\"te_nom_1\"]) + (np.sinh((((((data[\"real_ord_0\"]) - (np.sqrt((data[\"real_ord_5\"]))))) - (np.cos((((np.cos((data[\"te_month\"]))) + (np.cos((data[\"real_ord_5\"]))))))))))))/2.0)))) + ((((data[\"te_nom_6\"]) + (((np.cos((data[\"te_bin_0_1.0\"]))) + (data[\"te_nom_8\"]))))/2.0))))) +\n                    0.042491*np.tanh(np.real(((np.tanh((data[\"te_nom_9\"]))) + ((((((data[\"te_bin_2_1.0\"]) + ((((data[\"bin_1_0.0\"]) + (data[\"bin_4_Y\"]))/2.0)))) + (((((((data[\"te_month\"]) + (((((data[\"te_nom_3\"]) + (data[\"te_real_ord_2\"]))) + (data[\"te_nom_4\"]))))) - (data[\"bin_0_1.0\"]))) + ((((((data[\"te_nom_3\"]) + (data[\"te_day\"]))) + (data[\"te_real_ord_1\"]))/2.0)))))/2.0))))) +\n                    0.016890*np.tanh(np.real(((((np.sin((((data[\"te_nom_5\"]) + (np.sqrt((data[\"te_nom_5\"]))))))) - (((data[\"real_ord_3\"]) * (np.sin((np.tanh((np.sin((data[\"real_ord_3\"]))))))))))) + ((((((np.tanh((data[\"real_ord_4\"]))) + (data[\"real_ord_5\"]))) + ((((((data[\"real_ord_3\"]) + (data[\"real_ord_3\"]))) + (data[\"te_day\"]))/2.0)))/2.0))))) +\n                    0.026100*np.tanh(np.real(np.tanh((complex(0,1)*np.conjugate((((((data[\"real_ord_2\"]) + (np.sinh((data[\"te_real_ord_3\"]))))) + ((((((((((((complex(0,1)*np.conjugate(data[\"real_ord_5\"])) + (data[\"te_real_ord_4\"]))/2.0)) + ((((((complex(0,1)*np.conjugate(data[\"te_bin_2_1.0\"])) + (data[\"te_real_ord_3\"]))/2.0)) + (data[\"te_bin_0_1.0\"]))))/2.0)) + (data[\"real_ord_5\"]))/2.0)) - (np.sqrt((data[\"te_real_ord_3\"]))))))/2.0)))))) +\n                    0.036756*np.tanh(np.real((((np.conjugate(np.conjugate(((((data[\"real_ord_4\"]) + ((((data[\"te_nom_2\"]) + (((complex(1.0)) * (data[\"real_ord_1\"]))))/2.0)))) + (np.sin((data[\"te_nom_8\"]))))))) + ((((data[\"te_nom_7\"]) + (((((data[\"te_bin_4_Y\"]) - (data[\"bin_0_1.0\"]))) + (data[\"te_nom_1\"]))))/2.0)))/2.0))) +\n                    0.046000*np.tanh(np.real((((-((((np.cos((((((np.sqrt((np.cos((np.sinh((np.cos((data[\"real_ord_3\"]))))))))) / (np.sqrt((np.cos((np.sin((((data[\"te_nom_8\"]) * (np.sin((data[\"te_nom_8\"]))))))))))))) * 2.0)))) * (np.sinh((((data[\"te_real_ord_2\"]) - (np.cos((np.sqrt((data[\"real_ord_3\"])))))))))))))) / 2.0))) +\n                    0.024677*np.tanh(np.real(((((((data[\"te_month\"]) + (((data[\"real_ord_5\"]) + (data[\"te_bin_1_0.0\"]))))/2.0)) + (((np.sin((np.sin((data[\"te_nom_9\"]))))) + (((np.sin((data[\"te_nom_9\"]))) + (((np.sin((data[\"te_nom_8\"]))) + (((((complex(0.636620)) / (data[\"te_nom_5\"]))) + ((((data[\"real_ord_1\"]) + (data[\"te_nom_2\"]))/2.0)))))))))))/2.0))) +\n                    0.040479*np.tanh(np.real(((((((data[\"te_month\"]) + ((((((np.cosh((complex(0,1)*np.conjugate(data[\"month\"])))) * 2.0)) + (((data[\"te_real_ord_0\"]) * 2.0)))/2.0)))/2.0)) + ((-((((np.sqrt(((-((((np.sinh((((((data[\"te_nom_7\"]) * 2.0)) + (np.cosh((complex(0,1)*np.conjugate(data[\"te_month\"])))))))) + (np.cosh((data[\"bin_3_F\"])))))))))) * 2.0))))))/2.0))) +\n                    0.049240*np.tanh(np.real(((data[\"te_bin_0_1.0\"]) - (np.sinh((((data[\"bin_0_0.0\"]) / (np.cosh(((((complex(0,1)*np.conjugate((-((data[\"te_nom_8\"]))))) + (((np.sqrt((data[\"te_bin_0_1.0\"]))) - (((((np.sin(((((data[\"bin_0_0.0\"]) + (((data[\"te_bin_0_1.0\"]) - ((-((data[\"te_bin_0_1.0\"])))))))/2.0)))) / 2.0)) - (data[\"te_bin_2_1.0\"]))))))/2.0))))))))))) +\n                    0.033428*np.tanh(np.real((((((((((((data[\"te_nom_8\"]) * (((((data[\"te_nom_9\"]) * 2.0)) * 2.0)))) + (data[\"te_nom_8\"]))/2.0)) + (np.sin((((data[\"te_nom_9\"]) * 2.0)))))/2.0)) + (np.sinh((((np.sin((data[\"real_ord_3\"]))) * (np.sqrt((((((data[\"te_nom_8\"]) * (((data[\"te_nom_9\"]) * 2.0)))) + ((-((data[\"real_ord_5\"])))))))))))))/2.0))) +\n                    0.023450*np.tanh(np.real(complex(0,1)*np.conjugate((-((complex(0,1)*np.conjugate((((((((data[\"real_ord_0\"]) * 2.0)) + (((((data[\"te_real_ord_5\"]) + (((data[\"real_ord_3\"]) + ((((data[\"real_ord_4\"]) + (data[\"real_ord_2\"]))/2.0)))))) * 2.0)))/2.0)) * (((data[\"te_bin_0_1.0\"]) + (((data[\"te_month\"]) + ((((data[\"real_ord_2\"]) + (data[\"real_ord_3\"]))/2.0)))))))))))))) +\n                    0.047993*np.tanh(np.real((((data[\"te_bin_0_1.0\"]) + (((((data[\"real_ord_3\"]) + (((data[\"real_ord_3\"]) + (data[\"real_ord_3\"]))))) * ((((((((((((data[\"te_month\"]) + (data[\"real_ord_5\"]))/2.0)) + (((data[\"real_ord_5\"]) + (data[\"te_nom_7\"]))))/2.0)) + (data[\"te_real_ord_2\"]))/2.0)) * (((((data[\"real_ord_5\"]) + (data[\"te_nom_8\"]))) + (data[\"te_real_ord_0\"]))))))))/2.0))) +\n                    0.048155*np.tanh(np.real(np.sinh((((((((data[\"real_ord_5\"]) + (np.cos((((data[\"te_nom_8\"]) + (data[\"month\"]))))))/2.0)) + ((((np.cos((((data[\"te_nom_8\"]) + (data[\"month\"]))))) + (((np.sinh((((data[\"real_ord_2\"]) / (np.sqrt((data[\"te_day\"]))))))) - (np.cosh((data[\"te_nom_7\"]))))))/2.0)))/2.0))))) +\n                    0.024506*np.tanh(np.real(((((((data[\"te_nom_0\"]) + (((((data[\"real_ord_0\"]) + (((np.cos((data[\"te_month\"]))) + (data[\"te_nom_6\"]))))) + (np.cos((((data[\"te_nom_6\"]) - (data[\"te_real_ord_4\"]))))))))/2.0)) + ((((np.sin((data[\"te_nom_5\"]))) + (np.sinh(((((((data[\"te_nom_4\"]) + (data[\"te_month\"]))) + (data[\"real_ord_1\"]))/2.0)))))/2.0)))/2.0))) +\n                    0.034070*np.tanh(np.real((((((((complex(1.570796)) / (((data[\"te_nom_8\"]) + (np.sinh((np.conjugate(np.tanh((((np.sinh((complex(1.0)))) + (np.cos((data[\"bin_2_1.0\"])))))))))))))) / 2.0)) + ((-((np.cos((data[\"bin_2_1.0\"])))))))/2.0))) +\n                    0.041630*np.tanh(np.real(np.conjugate(np.sin((np.conjugate(np.sin((complex(0,1)*np.conjugate(((data[\"te_real_ord_3\"]) - (np.tanh((((np.cos(((((np.sqrt(((((data[\"te_real_ord_0\"]) + (data[\"te_real_ord_3\"]))/2.0)))) + (data[\"te_day\"]))/2.0)))) + (np.cos(((((np.sqrt((data[\"te_nom_7\"]))) + ((((data[\"te_real_ord_0\"]) + (data[\"te_nom_7\"]))/2.0)))/2.0)))))))))))))))))) +\n                    0.025860*np.tanh(np.real(((data[\"te_month\"]) / (np.sqrt((np.sin((((((np.sqrt((((complex(9.94689178466796875)) - (((((data[\"te_bin_0_0.0\"]) + (((data[\"te_nom_9\"]) + (np.cosh((np.cosh((complex(0,1)*np.conjugate((((((data[\"te_month\"]) * (data[\"te_nom_9\"]))) + (np.sqrt((data[\"te_day\"]))))/2.0))))))))))) / 2.0)))))) * 2.0)) * 2.0))))))))) +\n                    0.015830*np.tanh(np.real((((((data[\"te_nom_7\"]) + (((((data[\"real_ord_4\"]) + (((((data[\"real_ord_0\"]) + (data[\"real_ord_5\"]))) * (np.conjugate(np.cosh((data[\"real_ord_5\"])))))))) * (np.cosh((data[\"real_ord_5\"]))))))/2.0)) * (((data[\"bin_0_1.0\"]) + (((data[\"real_ord_3\"]) * (np.tanh((data[\"te_real_ord_2\"])))))))))) +\n                    0.036150*np.tanh(np.real((-((((((((-((((((((-(((((((data[\"real_ord_0\"]) + (data[\"te_nom_9\"]))/2.0)) * (data[\"te_bin_0_0.0\"])))))) * (data[\"te_bin_0_0.0\"]))) + (np.sqrt((data[\"real_ord_0\"]))))/2.0))))) * (data[\"te_bin_0_0.0\"]))) + (((data[\"te_nom_9\"]) * ((((data[\"real_ord_0\"]) + (data[\"te_nom_9\"]))/2.0)))))/2.0)))))) +\n                    0.033190*np.tanh(np.real((((np.sin((np.sin(((-((((((((data[\"real_ord_5\"]) / 2.0)) + (np.conjugate(data[\"real_ord_3\"])))) * 2.0))))))))) + (((((data[\"te_nom_1\"]) + (((data[\"te_real_ord_4\"]) + (((data[\"te_real_ord_0\"]) * ((((-((data[\"te_real_ord_4\"])))) + ((((-((data[\"real_ord_3\"])))) + (data[\"te_real_ord_5\"]))))))))))) / 2.0)))/2.0))) +\n                    0.048563*np.tanh(np.real(((data[\"te_real_ord_3\"]) * (((data[\"bin_0_1.0\"]) - (((((data[\"te_nom_1\"]) - (np.sqrt((complex(0,1)*np.conjugate(((np.sinh(((((-((data[\"te_nom_1\"])))) - (((np.conjugate(data[\"te_nom_9\"])) * 2.0)))))) - (np.conjugate(((data[\"te_nom_1\"]) - (np.conjugate(((np.conjugate(data[\"te_nom_9\"])) * 2.0))))))))))))) / 2.0))))))) +\n                    0.045370*np.tanh(np.real(((((np.sin((np.cos((((data[\"bin_0_1.0\"]) - ((((data[\"te_nom_5\"]) + (np.cosh((((data[\"bin_4_Y\"]) * ((((-((data[\"real_ord_3\"])))) - (np.sin((data[\"te_nom_5\"]))))))))))/2.0)))))))) + (np.sin((data[\"te_nom_5\"]))))) / (complex(0,1)*np.conjugate(np.sqrt((data[\"real_ord_2\"]))))))) +\n                    0.0*np.tanh(np.real(((((data[\"real_ord_0\"]) + (((data[\"bin_1_0.0\"]) + (np.sqrt(((((((data[\"real_ord_0\"]) + ((((((data[\"real_ord_0\"]) + ((((np.conjugate(np.tanh((np.sqrt(((((data[\"real_ord_0\"]) + (data[\"te_month\"]))/2.0))))))) + (data[\"real_ord_5\"]))/2.0)))) + (data[\"real_ord_5\"]))/2.0)))) + (data[\"real_ord_5\"]))/2.0)))))))) * (complex(0,1)*np.conjugate(data[\"real_ord_2\"]))))) +\n                    0.031305*np.tanh(np.real((((-((data[\"te_nom_4\"])))) * (((data[\"bin_0_0.0\"]) / ((((((data[\"real_ord_3\"]) - (data[\"bin_0_0.0\"]))) + (complex(0,1)*np.conjugate(np.sinh((np.sqrt((complex(0,1)*np.conjugate(np.sinh((complex(0,1)*np.conjugate(np.sinh((np.sqrt((((data[\"te_real_ord_1\"]) * (np.conjugate(np.conjugate(data[\"te_nom_1\"])))))))))))))))))))/2.0))))))) +\n                    0.042774*np.tanh(np.real(((data[\"bin_0_1.0\"]) / (complex(0,1)*np.conjugate((-((((np.conjugate(data[\"real_ord_3\"])) + ((((((data[\"te_real_ord_2\"]) + (((np.sqrt(((-((data[\"real_ord_3\"])))))) * (data[\"te_real_ord_4\"]))))/2.0)) + (np.sqrt(((((data[\"real_ord_2\"]) + (data[\"real_ord_0\"]))/2.0))))))))))))))) +\n                    0.0*np.tanh(np.real(((((((np.conjugate(np.sinh((np.tanh((data[\"real_ord_3\"])))))) + (data[\"te_bin_0_0.0\"]))) + (((np.sin((data[\"te_nom_8\"]))) + (data[\"te_real_ord_4\"]))))) * ((-(((((((data[\"te_real_ord_5\"]) + (((data[\"real_ord_3\"]) + (((data[\"real_ord_2\"]) + (data[\"te_nom_3\"]))))))/2.0)) / 2.0)))))))) +\n                    0.023340*np.tanh(np.real(((np.sinh((data[\"month\"]))) * ((((-(((((data[\"te_bin_0_1.0\"]) + (((((((((np.sinh((data[\"month\"]))) + (((((data[\"month\"]) / 2.0)) + (data[\"te_nom_8\"]))))/2.0)) + (((data[\"te_bin_3_F\"]) - (np.sinh((data[\"bin_1_1.0\"]))))))/2.0)) - ((-(((((data[\"te_bin_0_1.0\"]) + (data[\"real_ord_2\"]))/2.0))))))))/2.0))))) / 2.0))))) +\n                    0.018510*np.tanh(np.real(((((((((data[\"te_nom_1\"]) + (((data[\"te_nom_2\"]) * (((data[\"te_nom_5\"]) / (data[\"real_ord_1\"]))))))/2.0)) / 2.0)) + (((((((((data[\"te_nom_2\"]) * (((complex(0.636620)) / ((-((data[\"te_nom_1\"])))))))) + (data[\"te_real_ord_2\"]))/2.0)) + (((data[\"te_nom_2\"]) * ((-(((((data[\"real_ord_3\"]) + (data[\"te_nom_1\"]))/2.0))))))))/2.0)))/2.0))) +\n                    0.043253*np.tanh(np.real(((data[\"bin_0_1.0\"]) * ((((((((data[\"real_ord_3\"]) / 2.0)) + ((((complex(0,1)*np.conjugate(data[\"te_nom_2\"])) + (complex(0,1)*np.conjugate(data[\"real_ord_1\"])))/2.0)))/2.0)) / (((np.sqrt((complex(0,1)*np.conjugate((((data[\"te_nom_1\"]) + (((((((data[\"te_nom_9\"]) + (complex(0,1)*np.conjugate(data[\"te_nom_2\"])))/2.0)) + (data[\"bin_0_1.0\"]))/2.0)))/2.0))))) / 2.0))))))) +\n                    0.009565*np.tanh(np.real(np.sinh(((-((np.sqrt(((((((data[\"te_bin_1_1.0\"]) * (np.conjugate(((((np.sin((data[\"te_month\"]))) / 2.0)) - (data[\"real_ord_5\"])))))) + (np.conjugate(complex(0,1)*np.conjugate((((np.tanh(((-((np.sqrt((data[\"bin_1_1.0\"])))))))) + (np.conjugate(((data[\"te_month\"]) - (np.sin((data[\"te_month\"])))))))/2.0)))))/2.0)))))))))) +\n                    0.000417*np.tanh(np.real(np.sin((complex(0,1)*np.conjugate(((np.cos((np.sin((((((complex(0,1)*np.conjugate(data[\"real_ord_1\"])) / 2.0)) - (np.sqrt((data[\"te_real_ord_3\"]))))))))) - (np.tanh((np.conjugate(np.cos((((data[\"te_real_ord_3\"]) - (np.tanh((np.conjugate(np.cos((((data[\"te_real_ord_2\"]) - (np.sinh((np.sqrt((data[\"te_real_ord_0\"]))))))))))))))))))))))))) +\n                    0.0*np.tanh(np.real((((((data[\"real_ord_2\"]) + (((((((data[\"real_ord_0\"]) + (data[\"real_ord_1\"]))/2.0)) + (data[\"te_real_ord_3\"]))/2.0)))/2.0)) / (((data[\"bin_2_1.0\"]) / (((((((data[\"te_real_ord_3\"]) + ((((data[\"nans\"]) + (data[\"te_real_ord_4\"]))/2.0)))/2.0)) + ((((data[\"month\"]) + (data[\"te_real_ord_5\"]))/2.0)))/2.0))))))) +\n                    0.045411*np.tanh(np.real(((np.sinh((data[\"te_nom_7\"]))) * (complex(0,1)*np.conjugate(np.sinh((np.sinh((np.sqrt((((np.sinh((np.sinh((np.sin((((data[\"bin_1_0.0\"]) + (((data[\"te_real_ord_3\"]) / 2.0)))))))))) + (((((data[\"te_real_ord_4\"]) / 2.0)) + (((((data[\"te_nom_7\"]) / 2.0)) + (data[\"te_real_ord_5\"]))))))))))))))))) +\n                    0.0*np.tanh(np.real((((((((data[\"te_real_ord_2\"]) + ((((((data[\"te_real_ord_2\"]) + (data[\"te_month\"]))/2.0)) * (np.sqrt((((data[\"te_month\"]) * (data[\"real_ord_3\"]))))))))/2.0)) * (np.sqrt(((((((data[\"real_ord_5\"]) + (data[\"te_month\"]))/2.0)) * (((data[\"real_ord_3\"]) * 2.0)))))))) * (np.sqrt((np.sqrt((((data[\"bin_2_1.0\"]) * (data[\"te_month\"])))))))))) +\n                    0.041440*np.tanh(np.real(complex(0,1)*np.conjugate(((complex(0,1)*np.conjugate((-(((((((-((np.sqrt(((-((data[\"real_ord_0\"]))))))))) * 2.0)) * ((((data[\"te_nom_6\"]) + ((((data[\"real_ord_3\"]) + (((data[\"real_ord_2\"]) + (((((data[\"te_nom_4\"]) + (((data[\"real_ord_2\"]) + (data[\"te_nom_1\"]))))) + (data[\"real_ord_0\"]))))))/2.0)))/2.0)))))))) / 2.0)))) +\n                    0.008370*np.tanh(np.real(complex(0,1)*np.conjugate((((((data[\"te_nom_0\"]) * (complex(0,1)*np.conjugate(np.sin((((data[\"te_nans\"]) + (data[\"bin_0_0.0\"])))))))) + (np.sin((np.sin((np.sqrt((np.sin((np.sin((((data[\"te_nans\"]) + (data[\"bin_0_0.0\"]))))))))))))))/2.0)))) +\n                    0.025270*np.tanh(np.real(((((((data[\"bin_3_T\"]) - (data[\"te_bin_3_T\"]))) / (np.cosh((complex(0,1)*np.conjugate(((data[\"real_ord_4\"]) * (((data[\"real_ord_4\"]) / 2.0))))))))) / (np.cosh((complex(0,1)*np.conjugate(((data[\"real_ord_4\"]) * ((((((data[\"te_nom_7\"]) + (((complex(0.636620)) / (np.cos((data[\"bin_3_T\"]))))))/2.0)) / 2.0)))))))))) +\n                    0.006620*np.tanh(np.real(((data[\"real_ord_0\"]) * ((((((((((-((data[\"te_real_ord_2\"])))) - (data[\"te_real_ord_5\"]))) * ((((((-((data[\"real_ord_2\"])))) / 2.0)) - (data[\"real_ord_3\"]))))) / 2.0)) + (np.tanh((((data[\"real_ord_3\"]) / (data[\"te_bin_2_1.0\"])))))))))) +\n                    0.001180*np.tanh(np.real((-((((data[\"real_ord_3\"]) * (((complex(0,1)*np.conjugate(((np.cos((data[\"te_real_ord_0\"]))) - (np.sqrt(((((data[\"te_nom_7\"]) + (((((((data[\"te_real_ord_0\"]) + (((np.conjugate((((data[\"te_real_ord_0\"]) + (((np.conjugate(data[\"te_month\"])) * 2.0)))/2.0))) * 2.0)))/2.0)) + (((np.cos((data[\"te_month\"]))) * 2.0)))/2.0)))/2.0))))))) * 2.0)))))))) +\n                    0.027510*np.tanh(np.real(np.sin((((((data[\"te_nans\"]) * 2.0)) * (((((complex(3.141593)) - (np.tanh((np.tanh((((np.tanh((np.tanh(((((data[\"te_nom_0\"]) + (data[\"real_ord_2\"]))/2.0)))))) * 2.0)))))))) - (np.tanh((np.tanh(((((np.tanh((data[\"te_nans\"]))) + (data[\"te_real_ord_3\"]))/2.0))))))))))))) +\n                    0.025006*np.tanh(np.real((((((((((((data[\"real_ord_2\"]) * (data[\"te_bin_2_0.0\"]))) * (data[\"te_bin_0_1.0\"]))) * (data[\"te_bin_2_0.0\"]))) * (((data[\"bin_2_0.0\"]) * (((data[\"te_nom_6\"]) / (((data[\"te_bin_2_0.0\"]) / 2.0)))))))) + (((data[\"te_month\"]) * (np.cos((((data[\"te_nom_6\"]) / (((data[\"te_month\"]) / 2.0)))))))))/2.0))) +\n                    0.043289*np.tanh(np.real(((((data[\"te_month\"]) * (((np.conjugate(((data[\"real_ord_3\"]) - (np.sinh((((np.cos((np.sqrt((data[\"real_ord_0\"]))))) / 2.0))))))) * 2.0)))) * ((((((((((data[\"te_real_ord_2\"]) + (data[\"te_bin_2_1.0\"]))/2.0)) + (data[\"te_real_ord_2\"]))/2.0)) + (((((((data[\"te_nom_9\"]) + (data[\"te_real_ord_5\"]))/2.0)) + (data[\"te_real_ord_5\"]))/2.0)))/2.0))))) +\n                    0.032970*np.tanh(np.real(((((np.conjugate(((np.sqrt((np.cos(((((((((data[\"te_nom_9\"]) * 2.0)) * 2.0)) + (np.sqrt((data[\"te_nom_9\"]))))/2.0)))))) * (complex(3.141593))))) * (np.cos((((complex(3.141593)) * (np.tanh((((data[\"te_nom_9\"]) * 2.0)))))))))) / 2.0))) +\n                    0.000001*np.tanh(np.real(((((np.sqrt((data[\"real_ord_2\"]))) + (data[\"real_ord_3\"]))) * (((data[\"te_real_ord_5\"]) * ((((((((((data[\"te_bin_2_1.0\"]) + (data[\"real_ord_2\"]))) + (((((np.sinh((data[\"te_nom_7\"]))) + (((((data[\"te_bin_2_1.0\"]) + (data[\"real_ord_3\"]))) - (complex(2.0)))))) + (data[\"real_ord_2\"]))))/2.0)) + (data[\"te_real_ord_0\"]))) / 2.0))))))) +\n                    0.040591*np.tanh(np.real(((((((data[\"te_real_ord_5\"]) * (((data[\"te_real_ord_5\"]) * ((((data[\"te_real_ord_5\"]) + (data[\"te_month\"]))/2.0)))))) * 2.0)) * (((((complex(0,1)*np.conjugate((((complex(0,1)*np.conjugate(data[\"bin_0_1.0\"])) + (((data[\"te_nom_9\"]) * (complex(0,1)*np.conjugate(((((((data[\"te_month\"]) + (((data[\"bin_0_1.0\"]) / 2.0)))/2.0)) + (data[\"te_nom_9\"]))/2.0))))))/2.0))) * 2.0)) / 2.0))))) +\n                    0.047978*np.tanh(np.real(((((data[\"bin_0_1.0\"]) * (((np.sin((data[\"real_ord_2\"]))) - (((((complex(1.0)) - (np.sinh((np.sin((((data[\"te_nom_9\"]) + (((data[\"real_ord_2\"]) + (data[\"te_day\"]))))))))))) - (np.sinh((np.sin((((data[\"te_month\"]) + (((data[\"real_ord_2\"]) + (data[\"te_nom_9\"]))))))))))))))) / 2.0))) +\n                    0.043971*np.tanh(np.real(((data[\"te_real_ord_5\"]) * (((data[\"nans\"]) * (((data[\"te_nom_4\"]) / ((((complex(6.68887281417846680)) + (((data[\"nans\"]) * (((data[\"te_real_ord_5\"]) * (((data[\"te_real_ord_5\"]) / (np.cos((((data[\"te_nom_8\"]) * (((data[\"te_nom_4\"]) / (np.cos((np.cos((np.conjugate(np.cos((data[\"te_nom_4\"])))))))))))))))))))))/2.0))))))))) +\n                    0.038160*np.tanh(np.real(((data[\"bin_0_1.0\"]) * ((((((data[\"bin_0_1.0\"]) * (((((((data[\"te_nom_2\"]) + ((((((data[\"te_real_ord_3\"]) + (data[\"te_nom_2\"]))/2.0)) + (data[\"bin_1_0.0\"]))))/2.0)) + ((((data[\"te_real_ord_3\"]) + ((((((data[\"real_ord_0\"]) + (data[\"te_nom_3\"]))/2.0)) + (data[\"te_nom_3\"]))))/2.0)))/2.0)))) + (data[\"te_nom_7\"]))/2.0))))) +\n                    0.038251*np.tanh(np.real(complex(0,1)*np.conjugate(np.tanh((((data[\"real_ord_1\"]) + (np.cosh((((data[\"real_ord_4\"]) * ((((np.cosh((np.sqrt(((((np.cosh((data[\"real_ord_1\"]))) + (np.conjugate(np.sqrt((data[\"te_day\"])))))/2.0)))))) + (np.conjugate(np.sqrt((data[\"te_day\"])))))/2.0)))))))))))) +\n                    0.043721*np.tanh(np.real(complex(0,1)*np.conjugate(((data[\"te_bin_0_1.0\"]) / (np.tanh((((np.tanh((((((((data[\"te_bin_0_1.0\"]) * (((np.tanh((((complex(0,1)*np.conjugate(data[\"te_nom_1\"])) / 2.0)))) / 2.0)))) / 2.0)) + (data[\"month\"]))))) + (np.tanh((np.sinh((((complex(0,1)*np.conjugate(data[\"te_nom_1\"])) * 2.0)))))))))))))))","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"roc_auc_score(y_train,GPComplex(df_train[df_train.columns[:-1]].astype(complex).fillna(complex(0,1))))","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"pd.DataFrame({'id': df_test.index.values, 'target': glm.predict_proba(df_test[df_test.columns].fillna(df_test[df_test.columns].mean()))[:,1]}).to_csv('glmsubmission.csv', index=False)","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"pd.DataFrame({'id': df_test.index.values, 'target': GP(df_test[df_test.columns].fillna(-999))}).to_csv('gpsubmission.csv', index=False)","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"pd.DataFrame({'id': df_test.index.values, 'target': GPComplex(df_test[df_test.columns].astype(complex).fillna(complex(0,1)))}).to_csv('gpcomplexsubmission.csv', index=False)","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"predictions = (.5*glm.predict_proba(df_test[df_test.columns].fillna(df_test[df_test.columns].mean()))[:,1] +\n               .25*GP(df_test[df_test.columns].fillna(-999)) +\n               .25*GPComplex(df_test[df_test.columns].astype(complex).fillna(complex(0,1))))","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"pd.DataFrame({'id': df_test.index.values, 'target': predictions}).to_csv('allmodelssubmission.csv', index=False)","execution_count":null,"outputs":[]}],"metadata":{"kernelspec":{"display_name":"Python 3","language":"python","name":"python3"},"language_info":{"codemirror_mode":{"name":"ipython","version":3},"file_extension":".py","mimetype":"text/x-python","name":"python","nbconvert_exporter":"python","pygments_lexer":"ipython3","version":"3.7.3"}},"nbformat":4,"nbformat_minor":1}