Примеры кода на Kotlin - История изменений

Maintenance script: rollbackEdits.php mass rollback

2022-09-04T16:30:08Z

rollbackEdits.php mass rollback

80.82.78.13 в 04:43, 1 сентября 2022

2022-09-01T04:43:28Z

Andreyantipov в 20:39, 19 апреля 2020

2020-04-19T20:39:19Z

Andreyantipov: extend available libs list and descriptions

2020-04-19T20:19:36Z

extend available libs list and descriptions

Andreyantipov: fix logo

2020-04-19T19:14:15Z

fix logo

Andreyantipov: Новая страница: «Kotlin: https://kotlinlang.org/ ==Популярные библиотеки== * Kotlin-statistics[https://github.com/tho…»

2020-04-19T18:59:45Z

Новая страница: «auto|thumb|Kotlin: https://kotlinlang.org/ ==Популярные библиотеки== * Kotlin-statistics<ref>[https://github.com/tho…»

Новая страница

[[File:kotlin_logo.png|auto|thumb|Kotlin: https://kotlinlang.org/]]

==Популярные библиотеки==
* Kotlin-statistics<ref>[https://github.com/thomasnield/kotlin-statistics Kotlin-statistics]</ref> {{---}} библиотека с набором функций-расширений для работы с коллекциями, такими как mode, median, range, variance, standardDeviation, geometricMean и др. Также, библиотека предоставляет расширения для трансформации коллекций и агрегации данных. Есть реализации Наивного Баесового Классификаторы, алгоритмов классификации, линейной регресси.

* KMath<ref>[https://github.com/mipt-npm/kmath KMath]</ref> {{---}} аналог numpy: поддержка алгебраических структур, массиво-подобных коллекций, гистограмм и т.д.
Так как Kotlin интеропабилен с Java, то помимо специфичных для Kotlin библиотек можно использовать библиотеки для Java. Также есть возможность<ref>[https://kotlinlang.org/docs/reference/data-science-overview.html Kotlin for Data Science]</ref> работы с NumPy.

==Примеры кода==
Примеры кода написаны на kotlin 1.3.71 для JVM, с использованием kotlin-statistics

Gradle зависимость:
repositories {
maven { url 'https://jitpack.io' }
}

dependencies {
implementation 'com.github.thomasnield:kotlin-statistics:-SNAPSHOT'
}

===Линейная регрессия===
{{main|Линейная регрессия|l1=Линейная регрессия}}

Пример линейной регрессии c применением Kotlin-statistics:
fun main() {
val r = sequenceOf(
1.0 to 3.0,
2.0 to 6.0,
3.0 to 9.0,
4.0 to 11.8
).simpleRegression()

println(r.slope) // 2.9400000000000004
println(r.meanSquareError) // 0.006000000000000227
println(r.predict(5.0)). // 14.8
}

===Байесовская классификация===
Основная статья: [[Байесовская классификация]].

Пример классификации при помощи Наивного Байесовского Классификатора:

import org.nield.kotlinstatistics.toNaiveBayesClassifier

class Email(val message: String, val isSpam: Boolean)

fun main() {
val emails = listOf(
Email("Hey! If you really want to enlarge your ML scores click here", isSpam = true),
Email("Earn 50 more points for ML just by visiting this site!", isSpam = true),
Email("Still have F grade? Professional help with ML right here", isSpam = true),

Email("Hey, I left my phone at home. Email me if you need anything.", isSpam = false),
Email("Stay At Home: COVID-19 news", isSpam = false),
Email("Please see attachment for notes on today's meeting.", isSpam = false),
Email("JetBrains license certificate", isSpam = false),
Email("Your Education Pack expires soon ", isSpam = false)
)
val nbc = emails.toNaiveBayesClassifier(
featuresSelector = { it.message.splitWords().toSet() },
categorySelector = { it.isSpam }
)

val spamInput = "your grade is still so bad, but I can help you to get more scores".splitWords().toSet()
require(nbc.predict(spamInput) == true) { spamInput }

val legitInput = "Thank you for placing the order ".splitWords().toSet()
require(nbc.predict(legitInput) == false) { legitInput }
}

fun String.splitWords(): Sequence<String> = this.split(Regex("\\s"))
.asSequence()
.map { it.replace(Regex("[^A-Za-z]"), "") }
.map { it.toLowerCase() }
.filter { it.isNotEmpty() }

===Кластеризация===
Основная статья: [[Кластеризация]].

[[Файл:dbscan_points_sample.png|thumb|800px|center|<div style="text-align:center">Набор точек для кластеризации</div>]]

Пример кластеризации с DBSCAN:

import org.nield.kotlinstatistics.dbScanCluster
import kotlin.math.pow
import kotlin.math.sin

inline fun <V> IntProgression.mapDouble(mapper: (Double) -> V) = this.map { mapper(it.toDouble()) }

data class Point(val coordinates: Pair<Double, Double>, val cluster: Int)

fun main() {

val firstCluster = (1..100 step 1)
.mapDouble { x -> Point(x to x / 2, cluster = 1) }

val secondCluster = (1..80 step 3)
.mapDouble { x -> Point(x to (x / 12).pow(2) + 20, cluster = 2) }

val thirdCluster = (60..150 step 1)
.mapDouble { x -> Point(x to 10 * sin(x / 5) + 15, cluster = 3) }

val points = firstCluster + secondCluster + thirdCluster

val clusters = points.dbScanCluster(
xSelector = { (coords) -> coords.first },
ySelector = { (coords) -> coords.second },
maximumRadius = 5.0,
minPoints = 1
)

val pointsWithMatchedClusters = clusters.withIndex()
.flatMap { (clusterIdx, matched) -> matched.points.map { p -> p to clusterIdx + 1 } }

require(clusters.size == 3) { clusters.size }

val pointsWithMismatchedCluster = pointsWithMatchedClusters.filterNot { (p, cluster) -> cluster == p.cluster }
require(pointsWithMismatchedCluster.isEmpty()) { pointsWithMatchedClusters }
}

===Пример работы с матрицами===
Пример использования средств языка и методов стандартной библиотеки для работы с матрицами

typealias Vector = List<Double>
typealias Matrix = List<Vector>

class MatrixBuilder {
private var matrixWidth: Int? = null
private val _result: MutableList<Vector> = mutableListOf()
val result: Matrix = _result

operator fun invoke(vararg vector: Double) = addVector(vector.toList())

operator fun invoke(vararg vector: Number) = addVector(vector.map { it.toDouble() })

private fun addVector(vectorList: List<Double>) {
_result.add(vectorList)
if (matrixWidth != null) {
require(vectorList.size == matrixWidth) {
"Vector size must be the same among all builder invocations: $vectorList, $_result"
}
} else {
matrixWidth = vectorList.size
}
}
}

fun matrix(builder: MatrixBuilder.() -> Unit): Matrix = MatrixBuilder().apply(builder).result

fun main() {

val multiplied = matrix {
this(1, 2, 3, 4)
this(1, 2, 3, 4)
this(1, 2, 3, 4)
} * matrix {
this(5, 6)
this(7, 8)
this(9, 10)
this(11, 12)
}

multiplied
.transpose()
.print()
}

fun Matrix.transpose(): Matrix = this.asSequence()
.map { it.withIndex() }
.flatten()
.groupBy({ it.index }, { it.value })
.values
.toList()

operator fun Matrix.times(other: Matrix): Matrix {
val (rows1, cols1) = this.size()
val (_, cols2) = other.size()
return (0 until rows1).map { i ->
(0 until cols2).map { j ->
(0 until cols1).fold(0.0) { s, k ->
s + this[i][k] * other[k][j]
}
}
}
}

fun Matrix.size(): Pair<Int, Int> = this.size to this.first().size

fun Pair<Int, Int>.zeroMatrix(): Matrix = List(this.first) { List(this.second) { 0.0 } }

fun Matrix.print() = println(this.joinToString(separator = "\n") { it.joinToString(separator = " ") })

fun List<Matrix>.sum(): Matrix {
val n = this.size
val (rowsCount, colCount) = this[0].size()
return (0 until rowsCount).map { i ->
(0 until colCount).map { j ->
(0 until n).fold(0.0) { s, k ->
s + this[k][i][j]
}
}
}
}

== Примечания ==
<references/>
[[Категория: Машинное обучение]] [[Категория: Примеры кода]]

← Предыдущая		Версия 16:30, 4 сентября 2022
Строка 1:		Строка 1:
−	~~{\| class="wikitable" align="center" style="color: red; background-color: black; font-size: 56px; width: 800px;"~~
−	\|+
−	~~\|-align="center"~~
−	~~\|'''НЕТ ВОЙНЕ'''~~
−	~~\|-style="font-size: 16px;"~~
−	\|
−	24 февраля 2022 года российское руководство во главе с Владимиром Путиным развязало агрессивную войну против Украины. В глазах всего мира это военное преступление совершено от лица всей страны, всех россиян.
−
−	Будучи гражданами Российской Федерации, мы против своей воли оказались ответственными за нарушение международного права, военное вторжение и массовую гибель людей. Чудовищность совершенного преступления не оставляет возможности промолчать или ограничиться пассивным несогласием.
−
−	Мы убеждены в абсолютной ценности человеческой жизни, в незыблемости прав и свобод личности. Режим Путина — угроза этим ценностям. Наша задача — обьединить все силы для сопротивления ей.
−
−	Эту войну начали не россияне, а обезумевший диктатор. И наш гражданский долг — сделать всё, чтобы её остановить.
−
−	~~''Антивоенный комитет России''~~
−	~~\|-style="font-size: 16px;"~~
−	\|Распространяйте правду о текущих событиях, оберегайте от пропаганды своих друзей и близких. Изменение общественного восприятия войны - ключ к её завершению.
−	~~\|-style="font-size: 16px;"~~
−	\|[https://meduza.io/ meduza.io], [https://www.youtube.com/c/popularpolitics/videos Популярная политика], [https://novayagazeta.ru/ Новая газета], [https://zona.media/ zona.media], [https://www.youtube.com/c/MackNack/videos Майкл Наки].
−	\|}
−
	[[File:kotlin-logo.png\|150px\|thumb\|Kotlin: https://kotlinlang.org/]]		[[File:kotlin-logo.png\|150px\|thumb\|Kotlin: https://kotlinlang.org/]]

← Предыдущая		Версия 04:43, 1 сентября 2022
Строка 1:		Строка 1:
		+	{\| class="wikitable" align="center" style="color: red; background-color: black; font-size: 56px; width: 800px;"
		+	\|+
		+	\|-align="center"
		+	\|'''НЕТ ВОЙНЕ'''
		+	\|-style="font-size: 16px;"
		+	\|
		+	24 февраля 2022 года российское руководство во главе с Владимиром Путиным развязало агрессивную войну против Украины. В глазах всего мира это военное преступление совершено от лица всей страны, всех россиян.
		+
		+	Будучи гражданами Российской Федерации, мы против своей воли оказались ответственными за нарушение международного права, военное вторжение и массовую гибель людей. Чудовищность совершенного преступления не оставляет возможности промолчать или ограничиться пассивным несогласием.
		+
		+	Мы убеждены в абсолютной ценности человеческой жизни, в незыблемости прав и свобод личности. Режим Путина — угроза этим ценностям. Наша задача — обьединить все силы для сопротивления ей.
		+
		+	Эту войну начали не россияне, а обезумевший диктатор. И наш гражданский долг — сделать всё, чтобы её остановить.
		+
		+	''Антивоенный комитет России''
		+	\|-style="font-size: 16px;"
		+	\|Распространяйте правду о текущих событиях, оберегайте от пропаганды своих друзей и близких. Изменение общественного восприятия войны - ключ к её завершению.
		+	\|-style="font-size: 16px;"
		+	\|[https://meduza.io/ meduza.io], [https://www.youtube.com/c/popularpolitics/videos Популярная политика], [https://novayagazeta.ru/ Новая газета], [https://zona.media/ zona.media], [https://www.youtube.com/c/MackNack/videos Майкл Наки].
		+	\|}
		+
	[[File:kotlin-logo.png\|150px\|thumb\|Kotlin: https://kotlinlang.org/]]		[[File:kotlin-logo.png\|150px\|thumb\|Kotlin: https://kotlinlang.org/]]

@@ Строка 2: / Строка 2: @@
 ==Популярные библиотеки==
-* Kotlin-statistics<ref>[https://github.com/thomasnield/kotlin-statistics Kotlin-statistics]</ref> {{---}} библиотека с набором функций-расширений для работы с коллекциями, такими как mode, median, range, variance, standardDeviation, geometricMean и др. Также, библиотека предоставляет расширения для трансформации коллекций и агрегации данных. Есть реализации Наивного Баесового Классификаторы, алгоритмов классификации, линейной регрессии.
+* 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, агрегации, сэмплинга данных. Есть реализации алгоритмов классификации, 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.
+* 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).

← Предыдущая		Версия 19:14, 19 апреля 2020
Строка 1:		Строка 1:
−	[[File:~~kotlin_logo~~.png\|~~auto~~\|thumb\|Kotlin: https://kotlinlang.org/]]	+	[[File:kotlin-logo.png\|150px\|thumb\|Kotlin: https://kotlinlang.org/]]

	==Популярные библиотеки==		==Популярные библиотеки==