Apache Commons Math

Apache Commons Math eine Erweiterung der Java-Kern und Apache Commons Lang-Pakete in Betracht gezogen werden können, verschiedene Lücken in Bezug auf mathematische Operationen und Operatoren Adressierung.

Es gibt viele kleinere Pakete innerhalb der Commons Math Komponente, die jeweils gezielt ein oder mehrere Nischenbetrieb, Betreiber oder Algorithmus.

Einige der Bereiche können die Commons Math-Pakete verwendet werden, sind:

- arithmetische und geometrische Mittel

- Varianz und Standardabweichung

- Summe, Produkt, log Summe, Summe der quadrierten Werte

- Minimum, Maximum, Median und Perzentile

- Schiefe und Kurtosis

- erste, zweite, dritte und vierte Momente

- Häufigkeitsverteilungen

- einfache Regression

- multiple Regression

- Rang Transformationen

- Kovarianz und Korrelation

- statistische Tests

- Erzeugung von Zufallszahlen

- die Erzeugung von Zufallsvektoren

- die Erzeugung von Zufallszeichenketten

- Erzeugen von kryptographisch sicheren Folgen von Zufallszahlen oder Strings

- die Erzeugung von Zufallsproben und Permutationen

- Verteilungen der Werte in einer Eingabedatei zu analysieren und Werte "wie" die Werte in der Datei zu erzeugen

- Daten für gruppierte Häufigkeitsverteilungen oder Histogramme zu erzeugen

- Matrix Addition, Subtraktion, Multiplikation

- skalare Addition und Multiplikation

- Umsetzung

- Norm und Spur

- Betrieb auf einem Vektor

- Vektor Addition, Subtraktion

- Element für Element Multiplikation, Division

- skalare Addition, Subtraktion, Multiplikation, Division und Energie

- Abbildung von mathematischen Funktionen (cos, sin ...)

- Punktprodukt, äußere Produkt

- Abstand und Norm gemäß Normen L1, L2 und Linf -

- Lösung linearer Systeme

- Eigenwerte / Eigenvektoren und Singulärwerte / singulären Vektoren

- Nicht-Echt Felder (komplexe, Brüche ...)

- root Befund

- Interpolation

- Integration

- numerische Analyse

- Polynome

- Differenzierung

- Erf Funktionen

- Gamma-Funktionen

- Beta Funktionen

- Doppel Array Utilities

- int / double Hashzuordnung

- Fortsetzung Fraktionen

- schnelle mathematische Funktionen

- Binomialkoeffizienten, factorials, Stirling Zahlen und andere gemeinsame mathematische Funktionen

- komplexe Zahlen

- komplexe transzendenten Funktionen

- komplexe Formatierungen und Parsen

- Wahrscheinlichkeitsverteilungen

- Fraktionsnummern

- Fraktion Formatierung und Analyse

- Transformationsverfahren

- 3D-Geometrie

- euklidischen Räumen

- n-Sphere

- Binary Space Partitioning

- univariate Funktionen

- gewöhnliche Differentialgleichungen

- genetische Algorithmen

- Kalman-Filter

- Kurvenanpassung

- Clustering-Algorithmen

- Abstand Maßnahmen

Dokumentation ist natürlich für jedes dieser Pakete enthalten

Was ist neu in dieser Version:.

< li> Rahmen für die Schaffung künstlicher neuronaler Netze
• Selbstorganisierende Merkmalskarten
• Algorithmische Geometrie-Algorithmen (konvexe Hülle, umschließenden Kugel)
• Performance-Verbesserungen des linearen Simplex-Solver
• Refactoring der Kurve Monteure
• Low-Diskrepanz Zufallsgeneratoren (Sobol, halton)
• Least-Squares-Montage

Was ist neu in Version 3.5:

• Rahmen für die Schaffung künstlicher neuronaler Netze
• Selbstorganisierende Merkmalskarten
• Algorithmische Geometrie-Algorithmen (konvexe Hülle, umschließenden Kugel)
• Performance-Verbesserungen des linearen Simplex-Solver
• Refactoring der Kurve Monteure
• Low-Diskrepanz Zufallsgeneratoren (Sobol, halton)
• Least-Squares-Montage

Was ist neu in Version 3.4.1:

• Rahmen für die Schaffung künstlicher neuronaler Netze
• Selbstorganisierende Merkmalskarten
• Algorithmische Geometrie-Algorithmen (konvexe Hülle, umschließenden Kugel)
• Performance-Verbesserungen des linearen Simplex-Solver
• Refactoring der Kurve Monteure
• Low-Diskrepanz Zufallsgeneratoren (Sobol, halton)
• Least-Squares-Montage

Was ist neu in Version 3.1:

• Alle Inhalte Paket & quot; o.a.c.m.optimization & quot; Refactoring in neue Pakete & quot; o.a.c.m.optimization & quot; und & quot; o.a.c.m.fitting & quot;.
• DBSCAN Clustering-Algorithmus (im Paket & quot; o.a.c.m.stat.clustering & quot;).
• hinzugefügt Element-für-Element Addition, Subtraktion, Multiplikation und Division (in der Klasse & quot; o.a.c.m.util.MathArrays & quot;).
• Neue Konstruktor in den benutzerdefinierten checker-Klassen (Paket & quot; o.a.c.m.optimization & quot;) für das Bestehen der Anzahl der Iterationen, nach der die & quot; Konvergenztest & quot; gibt true zurück. Dies ermöglicht ein Algorithmus die beste Lösung (nach dem benutzerdefinierten Anzahl von Iterationen) auch gefunden zurück, wenn es nicht die anderen Konvergenzkriterien nicht erfüllt.
• Es wurde eine neue & quot; SynchronizedRandomGenerator & quot; dass hüllt eine andere & quot; RandomGenerator & quot; mit allen Methoden synchronisiert werden, so dass der Code Thread-sicher zu machen (zu einem bestimmten Wirkungsgrad und Kosten).
• Zusätzliche neue & quot; NaNStrategy & quot ;: scheiterten, verwendet in & quot; RankingAlgorithm & quot; Implementierungen. Jeder begegnet Eingabewert, der eine & quot gelingt; Doppel # isNaN & quot; überprüfen, führt zu einer & quot; NotANumberException & quot;.

Was ist neu in der Version 2.2:

• Dies ist in erster Linie ein Maintenance Release, aber es enthält auch neue Funktionen und Verbesserungen. Benutzer der Version 2.1 werden ermutigt, auf 2,2 zu aktualisieren, da diese Version einige wichtige Fehlerkorrekturen enthält.

Was ist neu in der Version 2.0:

• ein Fehler durch Einträge auf 0 in Simplex-Solver eingestellt induzierten Fest .
• eine nicht verwendete Argument in einer privaten Methode in Simplex-Löser entfernt werden.
• Changed Wahrscheinlichkeitsberechnungen für Binomial, Poisson und hypergeometrischen Verteilungen Catherine Loader des Sattelpunkt Annäherungen zu verwenden.
• Entfernt toten Code aus Komplex # teilen.
• Unterstützung für gewichtete deskriptiven Statistiken.

Anforderungen: :

• Java 5 oder höher