Ya, ada beberapa:
Proyek ScalaLab bertujuan untuk menyediakan lingkungan pemrograman ilmiah yang efisien untuk Mesin Virtual Java. Bahasa skrip didasarkan pada bahasa pemrograman Scala yang ditingkatkan dengan operator ilmiah tingkat tinggi dan dengan lingkungan terintegrasi yang menyediakan gaya kerja seperti Matlab.
Kode skrip sangat cepat, dekat dengan Java (terkadang lebih lambat, terkadang lebih cepat), dan biasanya lebih cepat dari skrip Matlab .m yang setara!
Pustaka aljabar linear numerik berperforma tinggi untuk Scala, dengan operator kaya Matlab pada vektor dan matriks; perpustakaan rutinitas numerik; dukungan untuk merencanakan.
FACTORIE adalah perangkat untuk pemodelan probabilistik yang dapat diterapkan, diimplementasikan sebagai pustaka perangkat lunak di Scala. Ini memberi penggunanya bahasa yang ringkas untuk membuat grafik faktor relasional , memperkirakan parameter, dan melakukan inferensi.
oleh twitter untuk pemrosesan grafik:
Cassovary dirancang dari nol untuk menangani grafik dengan miliaran tepi secara efisien. Itu datang dengan beberapa node umum dan struktur data grafik dan algoritma traversal. Penggunaan tipikal adalah untuk melakukan penambangan grafik dan analisis skala besar.
Di Twitter, Cassovary membentuk lapisan bawah tumpukan yang kami gunakan untuk memberdayakan banyak fitur berbasis grafik kami, termasuk "Untuk Diikuti" dan "Mirip dengan". Kami juga menggunakannya untuk relevansi di Pencarian Twitter dan algoritme yang menentukan mana yang akan dilihat pengguna Produk yang Dipromosikan. Seiring waktu, kami berharap untuk membawa lebih banyak logika non-kepemilikan dari beberapa fitur produk tersebut ke Cassovary.
Perpustakaan aljabar abstrak dari twitter:
Kode ditargetkan untuk membangun sistem agregasi (melalui Scalding atau Storm). Ini pada awalnya dikembangkan sebagai bagian dari Scalding's Matrix API, di mana Matriks memiliki nilai yang merupakan elemen dari Monoid, Grup, atau Cincin. Selanjutnya, terlihat jelas bahwa kode tersebut memiliki aplikasi yang lebih luas di dalam Scalding dan proyek lain di Twitter.
! berstatus eksperimental!
sb_probdsl menawarkan dukungan pemrograman probabilistik diskrit sederhana menggunakan dukungan kelanjutan terbatas baru dari scala.
Perpustakaan Markov Chain untuk Scala
Rantai Markov merepresentasikan proses stokastik di mana distribusi probabilitas dari langkah berikutnya bergantung secara non-sepele pada langkah saat ini, tetapi tidak bergantung pada langkah sebelumnya. Berikan perpustakaan ini beberapa data pelatihan dan itu akan menghasilkan data acak baru yang secara statistik mirip dengannya.
Signal / Collect adalah model pemrograman dan kerangka kerja untuk pemrosesan grafik skala besar. Model ini cukup ekspresif untuk merumuskan secara ringkas banyak algoritme aliran data dan iterasi pada grafik, sembari memungkinkan kerangka kerja untuk secara transparan memparalelkan pemrosesan.
Termasuk paket stat dan utilitas. Berisi hal-hal yang sangat mendasar dan terkenal, seperti sarana std ...
Meskipun ini bukan perpustakaan, ini bisa banyak membantu Anda dalam menangani probabilitas.