nlptoolkit-math 1.0.21

Math library

Video Lectures ============

    [<img src=https://github.com/StarlangSoftware/Math/blob/master/video.jpg width="50%">](https://youtu.be/GhcoaVi0SMs)
    
    For Developers
    ============
    
    You can also see [Cython](https://github.com/starlangsoftware/Math-Cy), [Java](https://github.com/starlangsoftware/Math), [C++](https://github.com/starlangsoftware/Math-CPP), [C](https://github.com/starlangsoftware/Math-C), [Swift](https://github.com/starlangsoftware/Math-Swift), [Js](https://github.com/starlangsoftware/Math-Js), [Php](https://github.com/starlangsoftware/Math-Php), or [C#](https://github.com/starlangsoftware/Math-CPP) repository.
    
    ## Requirements
    
    * [Python 3.7 or higher](#python)
    * [Git](#git)
    
    ### Python 
    
    To check if you have a compatible version of Python installed, use the following command:
    
        python -V
        
    You can find the latest version of Python [here](https://www.python.org/downloads/).
    
    ### Git
    
    Install the [latest version of Git](https://git-scm.com/book/en/v2/Getting-Started-Installing-Git).
    
    ## Pip Install
    
    	pip3 install NlpToolkit-Math
    	
    ## Download Code
    
    In order to work on code, create a fork from GitHub page. 
    Use Git for cloning the code to your local or below line for Ubuntu:
    
    	git clone <your-fork-git-link>
    
    A directory called Math will be created. Or you can use below link for exploring the code:
    
    	git clone https://github.com/starlangsoftware/Math-Py.git
    
    ## Open project with Pycharm IDE
    
    Steps for opening the cloned project:
    
    * Start IDE
    * Select **File | Open** from main menu
    * Choose `Math-PY` file
    * Select open as project option
    * Couple of seconds, dependencies will be downloaded. 
    
    Detailed Description
    ============
    
    + [Vector](#vector)
    + [Matrix](#matrix)
    + [Distribution](#distribution)
    
    ## Vector
    
    Bir vektör yaratmak için:
    
    	Vector(self, values=None)
    
    Vektörler eklemek için
    
    	addVector(self, v: Vector)
    
    Çıkarmak için
    
    	subtract(self, v: Vector)
    	difference(self, v: Vector) -> Vector
    
    İç çarpım için
    
    	dotProduct(self, v: Vector) -> float
    	dotProductWithSelf(self) -> float
    
    Bir vektörle cosinüs benzerliğini hesaplamak için
    
    	double cosineSimilarity(Vector v)
    
    Bir vektörle eleman eleman çarpmak için
    
    	elementProduct(self, v: Vector) -> Vector
    
    ## Matrix
    
    3'e 4'lük bir matris yaratmak için
    
    	a = Matrix(3, 4)
    
    Elemanları rasgele değerler alan bir matris yaratmak için
    
    	Matrix(self, row, col, minValue=None, maxValue=None)
    
    Örneğin, 
    
    	a = Matrix(3, 4, 1, 5)
     
    3'e 4'lük elemanları 1 ve 5 arasında değerler alan bir matris yaratır.
    
    Matrisin i. satır, j. sütun elemanını getirmek için 
    
    	getValue(self, rowNo: int, colNo: int) -> float
    
    Örneğin,
    
    	a.getValue(3, 4)
    
    3. satır, 4. sütundaki değeri getirir.
    
    Matrisin i. satır, j. sütunundaki elemanı değiştirmek için
    
    	setValue(self, rowNo: int, colNo: int, value: float)
    
    Örneğin,
    
    	a.setValue(3, 4, 5)
    
    3. satır, 4.sütundaki elemanın değerini 5 yapar.
    
    Matrisleri toplamak için
    
    	add(self, m: Matrix)
    
    Çıkarmak için 
    
    	subtract(self, m: Matrix)
    
    Çarpmak için 
    
    	multiply(self, m: Matrix) -> Matrix
    
    Elaman eleman matrisleri çarpmak için
    
    	elementProduct(self, m: Matrix) -> Matrix
    
    Matrisin transpozunu almak için
    
    	transpose(self) -> Matrix
    
    Matrisin simetrik olup olmadığı belirlemek için
    
    	isSymmetric(self) -> bool
    
    Determinantını almak için
    
    	determinant(self) -> float
    
    Tersini almak için
    
    	inverse(self)
    
    Matrisin eigenvektör ve eigendeğerlerini bulmak için
    
    	characteristics(self) -> list
    
    Bu metodla bulunan eigenvektörler eigendeğerlerine göre büyükten küçüğe doğru 
    sıralı olarak döndürülür.
    
    ## Distribution
    
    Verilen bir değerin normal dağılımdaki olasılığını döndürmek için
    
    	zNormal(z: float) -> float
    
    Verilen bir olasılığın normal dağılımdaki değerini döndürmek için
    
    	zInverse(p: float) -> float
    
    Verilen bir değerin chi kare dağılımdaki olasılığını döndürmek için
    
    	chiSquare(x: float, freedom: int) -> float
    
    Verilen bir olasılığın chi kare dağılımdaki değerini döndürmek için
    
    	chiSquareInverse(p: float, freedom: int) -> float
    
    Verilen bir değerin F dağılımdaki olasılığını döndürmek için
    
    	fDistribution(F: float, freedom1: int, freedom2: int) -> float
    
    Verilen bir olasılığın F dağılımdaki değerini döndürmek için
    
    	fDistributionInverse(p: float, freedom1: int, freedom2: int) -> float
    
    Verilen bir değerin t dağılımdaki olasılığını döndürmek için
    
    	tDistribution(T: float, freedom: int) -> float
    
    Verilen bir olasılığın t dağılımdaki değerini döndürmek için
    
    	tDistributionInverse(p: float, freedom: int) -> float