или уже есть нормальные?

или уже есть нормальные?

уже есть

Скаланы, а посоветуйте _хороший_ чатик по блокчейнам. Не про ico и майнинг, а про всякий хардкорчик. Чтобы про про распредленщину, теорию игр и криптографию разговоры шли.

@distributed

Зашёл, а там срач, котлин против кложы

Вот это хардкор

и такой вялый, нетоксичный, неуютно как-то

Эфириумщики обычно про свое говорят. У них там особая кухня и экосистема.

Есть такое

https://github.com/typelevel/cats/releases/tag/v1.0.0 ?

ДОЖДАЛИСЬ!

в репах нет еще

ну вот, нещитово тогда

в репах нет еще

http://repo1.maven.org/maven2/org/typelevel/cats-core_2.12/1.0.0/

хм, в поиске не увидел

индексация она не сразу

RC2 > Change forEffect/followedBy to productL/productR да как они надоели

хорошо хоть задепрекейтили просто

Привет! Подскажите короткий способ Integral[T] смапить через T=>U в Integral[U]. (хочу в slick объявить sequence с конкретным типом вроде MyNumber(value: Long) ext AnyVal) Пока на ум приходит только определять каждый метод (а их там много)

Привет! Подскажите короткий способ Integral[T] смапить через T=>U в Integral[U]. (хочу в slick объявить sequence с конкретным типом вроде MyNumber(value: Long) ext AnyVal) Пока на ум приходит только определять каждый метод (а их там много)

map ?)

Ах если б :)

но его там нет

Сделай

integral это вообще что?

линк хоть дай

math.Integral (я полагаю)

ааа

math.Integral (я полагаю)

да

Сделай

И по идее там надо contramap :)

И по идее там надо contramap :)

эм, да из T=>U имея на руках Integral[T] это map

А что там мапить? это тайп классы операций...

ну, чтобы получить другой инстанц тайпкласса? )

Попробовали бы они так в своем хаскеле

эм, да из T=>U имея на руках Integral[T] это map

Для функтора - да, но Integral это скорее функция , точнее несколько функций %)

нужен всего лишь функтор для инстанцов этих тайпклассов. напиши сам.

Для функтора - да, но Integral это скорее функция , точнее несколько функций %)

что мешает инстанс то написать

implicit object IntegralFunctor extends Functor[Integral] { override def imap[A, B](fa: Integral[A])(toB: (A) => B)(toA: (B) => A): Integral[B] = new Integral[B] { override def minus(x: B, y: B) = toB(fa.minus(toA(x), toA(y))) override def negate(x: B) = toB(fa.negate(toA(x))) override def fromInt(x: Int) = toB(fa.fromInt(x)) override def toDouble(x: B) = fa.toDouble(toA(x)) override def compare(x: B, y: B) = fa.compare(toA(x), toA(y)) } override def map[A, B](fa: Integral[A])(f: (A) => B): Integral[B] = ??? }

типа того. но для (toB: (A) => B)(toA: (B) => A) подозреваю есть свой тайп клас )

implicit object IntegralInvariant extends Invariant[Integral] :)

?

это не я. это мой хардварный генератор ключей )

Привет! Подскажите короткий способ Integral[T] смапить через T=>U в Integral[U]. (хочу в slick объявить sequence с конкретным типом вроде MyNumber(value: Long) ext AnyVal) Пока на ум приходит только определять каждый метод (а их там много)

а покажи код куда ты и как хочешь это втащить

в слике есть такая штука object Sequence { def apply[T : TypedType : Integral](name: String) = new Sequence[T](name, None, None, None, None, false) }

у меня T = case class SashaId(value: Long) extends AnyVal

объяви прост интеграл нужный над твоим типом

и там делай что хочешь

Да, это вариант выше только без понтов :)

В общем, код выше норм, только Invariant, а не Functor. В результате получается так: implicit val integralMyId = IntegralInvariant.imap(implicitly[Integral[Long]])(MyId.apply)(_.value) implicit val integralTheirId = IntegralInvariant.imap(implicitly[Integral[Long]])(TheirId.apply)(_.value) val myIdSeq: Sequence[MyId] = Sequence[MyId]("my_id_seq") val myIdSeq: Sequence[TheirId] = Sequence[TheirId]("their_id_seq") Спасибо за наводки :)

Не подскажите, как случайный вектор (нормальный) генерировать с заданными параметрами? Не для i.i.d. случая.

в breeze или spark для этого есть api . Нужно просто в scala или какие-то либы используются?

в breeze или spark для этого есть api . Нужно просто в scala или какие-то либы используются?

да спарк как раз и подойдет)

спасибо

import org.apache.spark.mllib.random.RandomRDDs._ normalRDD(sc, size, seed = seed).map(v => noise * v)

типа так

ну т.е. он тебе генерит rdd с матожиданием 0 и дисперсией 1, а дальше мапом умножаешь на нужную дисперсию и прибавляешь матожидание

Не подскажите, как случайный вектор (нормальный) генерировать с заданными параметрами? Не для i.i.d. случая.

про не i.i.d. я не очень понял

про не i.i.d. я не очень понял

одинаково + независимо распределенные.

ну т.е. он тебе генерит rdd с матожиданием 0 и дисперсией 1, а дальше мапом умножаешь на нужную дисперсию и прибавляешь матожидание

а вектор с заданной кор. матрицей он умеет генерировать?

одинаково + независимо распределенные.

я расшифровал, просто не понял, как это к задаче относится ? Что должно быть распределено нормально? Элементы вектора?

я, скорее всего, не очень понял задачу

я расшифровал, просто не понял, как это к задаче относится ? Что должно быть распределено нормально? Элементы вектора?

угу)

а элементы вектора - действительные числа?

я, скорее всего, не очень понял задачу

да прост сгенерировать многомерное норм. распределение с недиагональной кор. матрицей

а элементы вектора - действительные числа?

угу

так, а где тогда возникает многомерность? ?

ERROR: S client not available

ну т.е. это же одномерное распределение

так, а где тогда возникает многомерность? ?

в смысле?

со стандартным отклонением а не матрицей ковариаций

ну говорю, видимо, не понял задачу. Если нужно сгенерировать один вектор, значения которого распределены нормально, с заданным стандартным отклонением и матожиданем, то это решается, как я показал

ну т.е. это же одномерное распределение

одномерное это R, мне надо R^n

ну т.е. у тебя есть некоторая размерность пространства, допустим 3, и тебе нужно сгенерировать набор векторов количеством n штук размерности 3, чтобы они были распределны согласно 3хмерному нормальному распределению?

так?

ну т.е. должно же быть тогда два числа

размерность пространства - d и количество векторов - n в виборке

ну т.е. у тебя есть некоторая размерность пространства, допустим 3, и тебе нужно сгенерировать набор векторов количеством n штук размерности 3, чтобы они были распределны согласно 3хмерному нормальному распределению?

угу. Но с ненулевыми корреляциями.

размерность пространства - d и количество векторов - n в виборке

да да)

да, понял, надо смотреть mllib.random.RandomRDDs

по идее должно быть

да, понял, надо смотреть mllib.random.RandomRDDs

окей, спасибо)

не за что ?

немного мат. нубства Если все размерности вектора распределены нормально, то сам вектор "распределен согласно 3хмерному нормальному распределению"? Если так, то чем не устроит простой цикл? Наверняка зависимость векторов между собой все равно проверять отдельно.

это в случае диагональной матрицы ковариаций сработает

это в случае диагональной матрицы ковариаций сработает

только iid есть. * Generates an RDD[Vector] with vectors containing `i.i.d.` samples drawn from the * standard normal distribution.

немного мат. нубства Если все размерности вектора распределены нормально, то сам вектор "распределен согласно 3хмерному нормальному распределению"? Если так, то чем не устроит простой цикл? Наверняка зависимость векторов между собой все равно проверять отдельно.

Да. Совместная плотность как произведение отдельных выражается. Вопрос именно был в том, чтобы корреляции задать)

только iid есть. * Generates an RDD[Vector] with vectors containing `i.i.d.` samples drawn from the * standard normal distribution.

я так и не понял, что значит без iid. Т.е. первый вектор сгенерился согласно одному распределению, а другой - другому?

или генеразция второго вектора должна зависеть от генерации перового?

вероятно 2ой вектор должен быть похож с заданной степенью

интересно

Если Var(x) = I, то Var(A * x) = E[(A*x) * (A*x)^T] = E[ A * x * x^T * A^T ] = A * E[x * x^T] *A^T = A * Var(x) * A^T = A * A^T

то есть нужно найти такую матрицу A, чтобы желаемая матрица ковариации была равна A * A^T

Если Var(x) = I, то Var(A * x) = E[(A*x) * (A*x)^T] = E[ A * x * x^T * A^T ] = A * E[x * x^T] *A^T = A * Var(x) * A^T = A * A^T

Что за вары/мутабельность, это скальный чат...

разложение матрицы ковариации на произведение A * A^T называется разложением Холецкого https://en.wikipedia.org/wiki/Cholesky_decomposition

Что за вары/мутабельность, это скальный чат...

к сожалению, пока не научился общаться стикерами ?

или генеразция второго вектора должна зависеть от генерации перового?

просто некоторые элементы вектора коррелируют друг с другом.

это нормально

ну т.е. это не значит , что это не i.i.d.

просто распределение с недиагональной ковариационной матрицей