8
правок
Изменения
Нет описания правки
==Популярные библиотеки==
* Kotlin-statistics<ref>[https://github.com/thomasnield/kotlin-statistics Kotlin-statistics]</ref> {{---}} библиотека с набором функций-расширений для работы с коллекциями, необходимыми в задачах статистики, такими как mode, median, range, variance, standardDeviation, geometricMean и др. Также, библиотека предоставляет расширения для трансформации коллекций и , агрегации , сэмплинга данных. Есть реализации Наивного Баесового Классификаторы, алгоритмов классификации, линейной регрессии. Библиотека поддается расшерению API, за счет объявления своих расшерений, реализация которых может использовать Apache Math. Библиотека не содержит собственной реализации структур данных - все опреации производятся над стандартными интерфейсами (Sequence, Iterable и т.п.), функционал которых расширен благодаря механизму фнкций-расширения в Kotlin<ref>[https://kotlinlang.org/docs/reference/extensions.html Kotlin extension functions]</ref>. Нет встроенной поддержки визуализации данных, но можно использовать TornadoFX, работающий со стандартными коллекциями.
* KMath<ref>[https://github.com/mipt-npm/kmath KMath]</ref> {{---}} аналог numpy: поддержка алгебраических структур, массиво-подобных коллекций, гистограмм и т.д. На текущий момент <sup>19.04.20</sup> находится в разработке.
* SMILE<ref>[https://github.com/haifengl/smile SMILE]</ref> {{---}} JVM фреймворк, для которого помимо официального API<ref>[https://github.com/haifengl/smile/blob/master/kotlin/packages.md SMILE-kotlin]</ref> на Kotlin существуют расширения SMILE-NLP-KT<ref>[https://github.com/londogard/smile-nlp-kt SMILE-NLP-KT]</ref>. Фреймворк используется для решения различных задач машинного обучения, таких как: классификация, регрессия, кластеризация, использование генетических алгоритмов, KNN, вывод отсутствующих значений набора данных, обработку естественных языков. Есть встроенная поддержка визуализации данных, средств для чтения и нормализации данных различных форматов (csv, apache arrow, json, jdbc).
