Kotlin 用于数据科学的基础库(深度学习、数据挖掘)

曾经终败给现在 2024-03-23 16:23 119阅读 0赞

## Kotlin 用于数据科学 ##

从构建数据流水线到生产机器学习模型， Kotlin 可能是处理数据的绝佳选择：

*  Kotlin 简洁、易读且易于学习。
 *  静态类型与空安全有助于创建可靠的、可维护的、易于故障排除的代码。
 *  作为一种 JVM 语言，Kotlin 提供了出色的性能表现， 并具有充分利用久经考验的 Java 库的整个生态系统的能力。

### 交互式编辑器 ###

[Jupyter Notebook][] 与 [Apache Zeppelin][] 等笔记本为数据可视化与探索性研究提供了方便的工具。 Kotlin 与这些工具集成在一起，可以帮助探索数据、与同事共享发现或建立数据科学和机器学习技能。

#### Jupyter Kotlin 内核 ####

Jupyter Notebook 是一个开源 Web 应用程序， 它允许创建与共享包含代码、可视化与标记文本的文档（也称为“笔记本”）。 [Kotlin-jupyter][] 是一个开源项目， 它为 Jupyter Notebook 带来了 Kotlin 支持。

![70bbe047160082676a961d219df1f9b7.png][]

查看 Kotlin 内核的 [GitHub 仓库][Kotlin-jupyter] 以获取安装说明、文档与示例。

#### Zeppelin Kotlin 解释器 ####

Apache Zeppelin 是一种流行的基于 Web 的交互式数据分析解决方案。 它为 Apache Spark 集群计算系统提供了强大的支持， 这对数据工程特别有用。 从[版本 0.9.0][0.9.0] 开始，Apache Zeppelin 内置了 Kotlin 解释器。

![20c1568ebed7ffeb3c00e6c3ec906bc8.png][]

### 类库 ###

Kotlin 社区创建的用于数据相关任务的类库生态系统正在迅速扩展。 以下是一些可能会有用的库：

#### Kotlin 库 ####

*  [kotlin-statistics][] 是一个为探索性统计与生产统计中提供扩展函数的库。它支持基本的数字列表/序列/数组函数（从 `sum` 到 `skewness`）、 切片操作符（诸如 `countBy`、 `simpleRegressionBy`）、分箱（binning）操作符、离散 PDF 采样、 朴素贝叶斯分类器、聚类、线性回归等等。
 *  [kmath][] 是一个受 [NumPy][] 启发的库。 这个库支持代数结构与运算、类数组结构、数学表达式、直方图、 流运算、[commons-math][] 与 [koma][] 的包装等等。
 *  [krangl][] 是一个受 R 语言的 [dplyr][] 与 Python 的 [pandas][] 启发的库。这个库提供了采用函数式风格 API 进行数据操作的功能；它还包括过滤、转换、聚合与重塑表格数据的函数。
 *  [lets-plot][] 是一个用 Kotlin 编写的统计数据绘图库。 Lets-Plot 是多平台的，不仅可以用于 JVM，还可以用于 JS 与 Python。
 *  [kravis][] 是另一个用于表格数据可视化的库，其灵感来自于 R 的 [ggplot][]。

#### Java 库 ####

因为 Kotlin 提供了与 Java 互操作的头等支持，所以也可以在用于数据科学的 Kotlin 代码中使用 Java 库。 以下是这些库的一些示例：

*  [DeepLearning4J][]——一个 Java 深度学习库
 *  [ND4J][]——用于 JVM 的高效矩阵数学库
 *  [Dex][]——一个基于 Java 的数据可视化工具
 *  [Smile][]——一个全面的机器学习、自然语言处理、线性代数、图、插值与可视化系统。除了 Java API，Smile 还提供了函数式的 [Kotlin API][] 以及 Scala 与 Clojure API。
    
     *  [Smile-NLP-kt][]——以 Kotlin 扩展函数与接口格式重写了 Smile 的自然语言处理部分的 Scala 隐式内容。
 *  [Apache Commons Math][commons-math]——一个 Java 通用数学、统计与机器学习库
 *  [OptaPlanner][]——一个用于优化规划问题的求解器实用程序
 *  [Charts][]——一个正在开发中的科学 JavaFX 图表库
 *  [CoreNLP][]——一个自然语言处理工具包
 *  [Apache Mahout][]——一个回归、聚类与推荐的分布式框架
 *  [Weka][]——一组用于数据挖掘任务的机器学习算法

如果这个列表还不能满足需求，可以在 Thomas Nield 的 [Kotlin 数据科学资源][Kotlin]摘要中找到更多选项。

[Jupyter Notebook]: https://jupyter.org/
[Apache Zeppelin]: https://zeppelin.apache.org/
[Kotlin-jupyter]: https://github.com/Kotlin/kotlin-jupyter
[70bbe047160082676a961d219df1f9b7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/648d7f834a904f2592db7b0f81167d12.png
[0.9.0]: https://zeppelin.apache.org/docs/0.9.0-preview1/
[20c1568ebed7ffeb3c00e6c3ec906bc8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/be56de6d5a114474873005efa3ffa3e1.png
[kotlin-statistics]: https://github.com/thomasnield/kotlin-statistics
[kmath]: https://github.com/mipt-npm/kmath
[NumPy]: https://numpy.org/
[commons-math]: http://commons.apache.org/proper/commons-math/
[koma]: https://github.com/kyonifer/koma
[krangl]: https://github.com/holgerbrandl/krangl
[dplyr]: https://dplyr.tidyverse.org/
[pandas]: https://pandas.pydata.org/
[lets-plot]: https://github.com/JetBrains/lets-plot
[kravis]: https://github.com/holgerbrandl/kravis
[ggplot]: https://ggplot2.tidyverse.org/
[DeepLearning4J]: https://deeplearning4j.org/
[ND4J]: http://nd4j.org/
[Dex]: https://github.com/PatMartin/Dex
[Smile]: https://github.com/haifengl/smile
[Kotlin API]: http://haifengl.github.io/api/kotlin/smile-kotlin/index.html
[Smile-NLP-kt]: https://github.com/londogard/smile-nlp-kt
[OptaPlanner]: https://www.optaplanner.org/
[Charts]: https://github.com/HanSolo/charts
[CoreNLP]: https://stanfordnlp.github.io/CoreNLP/
[Apache Mahout]: https://mahout.apache.org/
[Weka]: https://www.cs.waikato.ac.nz/ml/index.html
[Kotlin]: https://github.com/thomasnield/kotlin-data-science-resources