modified: .DS_Store

modified:   checkpoints_final/task1_final/task1_final_model.pkl
	new file:   checkpoints_final/task1_final/task1_tmd_adapter.pkl
	new file:   scripts_4/README.md
	new file:   scripts_4/__init__.py
	new file:   scripts_4/__pycache__/adapter.cpython-314.pyc
	new file:   scripts_4/adapter.py
	new file:   scripts_4/predict_tmd_single.py
	new file:   scripts_4/train_tmd_adapter.py

scripts_4/README.md

@@ -0,0 +1,45 @@
+# scripts_4: TMD 小样本适配
+
+本目录实现二阶段方案：
+
+1. 基础模型（`Non_TMD` 训练得到的 `task1_final_model.pkl`）先给出基线预测；
+2. 用极少量 `TMD` 样本拟合频率相关比例系数 `k(f)`；
+3. 输出 `TMD` 预测：`y_tmd = k(f) * y_base`。
+
+## 为什么这样做
+
+- 仅 5 个 TMD 点直接重训主模型容易过拟合；
+- 保留基础模型泛化能力，只学习域偏移；
+- 通过 `shrinkage` 把校正系数向 `1.0` 收缩，降低小样本波动影响；
+- 频率外推时会自动向 `1.0` 回归，避免越界夸张。
+
+## 脚本说明
+
+- `train_tmd_adapter.py`：拟合并保存适配器，同时输出 LOOCV 报告。
+- `predict_tmd_single.py`：加载基础模型 + 适配器，对单个 TMD 文件推理。
+- `adapter.py`：频率校正器定义与序列化工具。
+
+## 使用方法（请使用虚拟环境 Python）
+
+```bash
+.venv/bin/python scripts_4/train_tmd_adapter.py
+```
+
+```bash
+.venv/bin/python scripts_4/predict_tmd_single.py \
+  --file downloads/TMD/val/harmonic_5mm_1.25Hz_TMD.csv
+```
+
+可选参数示例：
+
+```bash
+.venv/bin/python scripts_4/train_tmd_adapter.py \
+  --shrinkage 0.25 \
+  --extrapolation-decay-hz 0.3
+```
+
+## 输出文件
+
+- 适配器：`checkpoints_final/task1_final/task1_tmd_adapter.pkl`
+- 报告：`evaluation_outputs/task1_final/tmd_adapter_report.json`
+