Metadata-Version: 2.1
Name: NlpToolkit-Math-Cy
Version: 1.0.10
Summary: Math library
Home-page: https://github.com/StarlangSoftware/Math-Cy
Author: olcaytaner
Author-email: olcay.yildiz@ozyegin.edu.tr
License: UNKNOWN
Description: For Developers
        ============
        You can also see [Python](https://github.com/starlangsoftware/Math-Py), [Java](https://github.com/starlangsoftware/Math), [C++](https://github.com/starlangsoftware/Math-CPP), [Swift](https://github.com/starlangsoftware/Math-Swift), [Js](https://github.com/starlangsoftware/Math-Js), 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-Cy
        
        ## 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-Cy.git
        
        ## Open project with Pycharm IDE
        
        Steps for opening the cloned project:
        
        * Start IDE
        * Select **File | Open** from main menu
        * Choose `Math-CY` 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
        
Platform: UNKNOWN
Description-Content-Type: text/markdown
