Có, có một số:
Dự án ScalaLab nhằm cung cấp một môi trường lập trình khoa học hiệu quả cho Máy ảo Java. Ngôn ngữ kịch bản dựa trên ngôn ngữ lập trình Scala được tăng cường với các toán tử khoa học cấp cao và với một môi trường tích hợp cung cấp phong cách làm việc giống như Matlab.
Mã script cực kỳ nhanh, gần giống với Java (đôi khi chậm hơn, đôi khi nhanh hơn) và thường nhanh hơn từ các đoạn mã Matlab .m tương đương!
Một thư viện đại số tuyến tính dạng số hiệu suất cao cho Scala, với các toán tử giống Matlab phong phú trên vectơ và ma trận; một thư viện các thói quen số; hỗ trợ cho việc lập mưu.
FACTORIE là một bộ công cụ để triển khai mô hình xác suất, được thực hiện như một thư viện phần mềm trong Scala. Nó cung cấp cho người dùng một ngôn ngữ ngắn gọn để tạo đồ thị nhân tố quan hệ , ước tính các tham số và thực hiện suy luận.
bởi twitter để xử lý đồ thị:
Cassovary được thiết kế từ đầu để xử lý hiệu quả các biểu đồ có hàng tỷ cạnh. Nó đi kèm với một số cấu trúc dữ liệu nút và đồ thị phổ biến và các thuật toán truyền tải. Cách sử dụng điển hình là khai thác và phân tích đồ thị quy mô lớn.
Tại Twitter, Cassovary tạo thành lớp dưới cùng của một ngăn xếp mà chúng tôi sử dụng để cung cấp năng lượng cho nhiều tính năng dựa trên biểu đồ của mình, bao gồm “Người cần theo dõi” và “Tương tự”. Chúng tôi cũng sử dụng nó để xác định mức độ liên quan trong Tìm kiếm trên Twitter và các thuật toán xác định người dùng Sản phẩm được Quảng cáo nào sẽ thấy. Theo thời gian, chúng tôi hy vọng sẽ đưa thêm logic không độc quyền từ một số tính năng sản phẩm đó vào Cassovary.
Thư viện đại số trừu tượng từ twitter:
Mã được nhắm mục tiêu vào việc xây dựng hệ thống tổng hợp (thông qua Scalding hoặc Storm). Ban đầu nó được phát triển như một phần của API ma trận của Scalding, nơi Ma trận có các giá trị là các phần tử của Monoids, Groups hoặc Rings. Sau đó, rõ ràng là mã có ứng dụng rộng rãi hơn trong Scalding và trên các dự án khác trong Twitter.
! có trạng thái thử nghiệm!
sb_probdsl cung cấp hỗ trợ lập trình xác suất rời rạc đơn giản bằng cách sử dụng hỗ trợ liên tục được phân tách mới của scala.
Thư viện Markov Chain cho Scala
Chuỗi Markov đại diện cho các quá trình ngẫu nhiên trong đó phân phối xác suất của bước tiếp theo phụ thuộc không nhỏ vào bước hiện tại, nhưng không phụ thuộc vào các bước trước đó. Cung cấp cho thư viện này một số dữ liệu đào tạo và nó sẽ tạo ra dữ liệu ngẫu nhiên mới giống với nó về mặt thống kê.
Signal / Collect là một mô hình lập trình và khuôn khổ để xử lý đồ thị quy mô lớn. Mô hình đủ biểu cảm để hình thành chính xác nhiều thuật toán dòng dữ liệu và lặp lại trên đồ thị, đồng thời cho phép khung công tác song song hóa quá trình xử lý một cách rõ ràng.
Bao gồm các gói stat và tiện ích. Chứa những thứ rất cơ bản và nổi tiếng, chẳng hạn như phương tiện ...
Mặc dù nó không phải là thư viện nhưng nó có thể giúp bạn rất nhiều trong việc xử lý các xác suất.