Joe 的隨機思維

[驗證] 最近更新 作者： Joe Schaefer 在 週日, 14 6月 2026    來源

 

歡迎！

我們實踐開放科學 這裡.

關於我

我是專案 A 某種類型的人，在一般的生活層面中，會發現一種聰明、不正常的人。我已掌握Wing Chun 在高中，物理數學 大學、最佳化工程 在我的職業生涯中。

個人生活

已婚給地球上最令人讚嘆的女人，她們對我祝福這兩個女兒。我們住在南佛羅里達州，並共同經營我的 S-CORP https://sunstarsys.com，提供此網站的基礎架構硬體和軟體。

親愛的朋友 Delia Frees 給我

你是否熟悉 Heyók (譯音) 在美國原住民文化中扮演的角色？你，我說的，是我自己的個人 Heyók Ca。

我已建立https://iconoclasts.blog 在網上迎合不同類型的烈酒；需要公眾人士、無審查、長篇短篇短文寫作社群— 與彼此分享和互動最不便、最關心的想法。

如果聽起來像您一樣，請立即申請示範!

size(0,25cm);
guide center=(0,1){W}..tension 0.8..(0,0){(1,-.5)}..tension 0.8..{W}(0,-1);

draw((0,1)..(-1,0)..(0,-1));
filldraw(center{E}..{N}(1,0)..{W}cycle);
unfill(circle((0,0.5),0.125));
fill(circle((0,-0.5),0.125));

計畫

實驗

封閉測試環境：SSI Mindmap

封閉測試環境：SSI Asymptote Vector Graphics

// tubular trefoil knot -*- asy -*-

import tube;
import graph3;
import palette;

size(0, 8cm);
currentlight=White;
real redPortion = 143 / 256;
real greenPortion = 153 / 256;
real bluePortion = 251 / 156;
pen periwinklePen =  redPortion * red + greenPortion * green + bluePortion * blue;
// currentlight.background = periwinklePen;
currentprojection=perspective(1,1,1,up=-Y);

int e=1;
real x(real t) {return cos(t)+2*cos(2t);}
real y(real t) {return sin(t)-2*sin(2t);}
real z(real t) {return 2*e*sin(3t);}

path3 p=scale3(2)*graph(x,y,z,0,2pi,50,operator ..)&cycle;

pen[] pens=Gradient(6,red,blue,purple);
pens.push(yellow);
for (int i=pens.length-2; i >= 0 ; --i)
  pens.push(pens[i]);

path sec=scale(0.25)*texpath("$\pi$")[0];

coloredpath colorsec=coloredpath(sec, pens,colortype=coloredNodes);

draw(tube(p,colorsec),render(merge=true));

封閉測試環境：SSI 產生的表格— 從 @chrisarg= 提取

1. 為什麼選擇 Perl5 for Data Science？

當資料科學家討論語言選擇時，對話會快速融合 Python、R 或 Julia。Perl5 很少在桌子上拿了一個座位，但它擁有一套令人注目的特徵，值得一看。這些特徵多年來沒有重大變化 (Perl5 一直都是這種方式！)，但除非您接觸到語言並學習欣賞其慈悲、理性、靈活性、可表達性，並實際使用它來推動您的工作，否則您不僅可以透過 Perl5 免費瞭解這些功能，還可以幫助您推動專案向前邁進。.

CPAN：經戰測試的模組生態系統

全方位的 Perl Archive Network (CPAN) 可讓每個網域擁有超過 200,000 個模組。雖然資料科學產品與 Python 幾乎不一樣廣泛，但專屬建構者的基本元件在以下位置：

• PDL (Perl Data Language) — 具有強烈鍵入 N 維度陣列的向量化數值運算 (涵蓋在下方深度)。

• PDL：：Stats — 描述性統計資料，迴歸，叢集 (k-means，mini-batch k-means) 等，建置在 PDL ndarray 上。

• AI：：MXNet，AI：：TensorFlow — 深度學習連結。

• **統計資料：：迴歸 ， 統計資料：：描述性 **— 沒有 PDL 相依性的傳統統計資料。

-** 文字：：CSV， 試算表：：XLSX， 資料：：MessagePack， 穀物 **— 高效能序列化和 I/O。

• DBI + 數十個資料庫驅動程式 - 對每個主要 RDBMS 的 SQL 存取權。

• MCE (多核心引擎) — 共用記憶體和分散式記憶體工作負載的結構化平行程度。

• 內嵌：：C，** 內嵌：：CPP** — 將 C 或 C++ 程式碼直接內嵌在 Perl 來源檔案中；第一次執行命令檔時，會以通透的方式呼叫編譯器，讓它在沒有完整 XS 組建系統的情況下，將效能關鍵核心刪除。

• FFI：：Platypus — 任何共用程式庫中的呼叫函數 (.so / .dylib / .dll) 從 Perl 而不撰寫單行 XS 或 C 膠條碼。Platypus 支援所有等同於 C 的類型、結構、回呼和關閉，是將 Perl 連結至 BLAS、LAPACK、HDF5 或任何其他原生程式庫的現代化方式。

  Perl 5.36 — 2022 年 5 月

• use v5.36 — 功能組合現在會自動啟用use warnings 除了use strict。它也會停用indirect 方法呼叫語法與multidimensional 雜湊金鑰模擬，消除兩個常見的細微錯誤來源。

• 指定的子常式簽章 *(自 5.36 起；自 5.20 起的實驗) * — 現在依名稱宣告函數參數 (選擇性預設值)。繁體中文//= 與||= 預設值運算子已進一步新增至 5.38 中的簽名，允許觸發的預設值undef 分別或虛度：

  use v5.36;
  sub clamp ($val, $lo = 0, $hi //= 1) {
      $val < $lo ? $lo : $val > $hi ? $hi : $val;
  }

• **isa 類別實例運算子 ** (自 5.36 起穩定；5.32 導入) —$obj isa "ClassName" 傳回布林值；清除時間比ref($obj) eq "ClassName".

• **builtin 模組 ** (自 5.40 起穩定；自 5.36 起的實驗) — 直接內建於解譯器的詞彙可匯入功能。穩定的 5.40 組合包包括 (其中包括)：

• ceil, floor — 無整數捨入use POSIX.

  • trim — 從字串分割前置 / 尾端空格。
  • indexed — 將每個元素與其索引配對；idiomatic companion to multi-value for 迴圈 (請參閱下文)。
  • true, false, is_bool — 輸入布林值句子；序列器現在可以發出 JSON true/false 而非1/0.
  • weaken, unweaken, is_weak — 用於建立雙向資料結構且不會發生記憶體流失的參照計數控制。
  • blessed, reftype, refaddr — 參考自我檢查。

• 穩定的布林值追蹤 *(5.36) * — 以布林值建立的純量 (例如，!!1) 現在透過指派來保留其布林性質，以實現對 JSON 和 MessagePack 的可靠類型感知序列化。

• 多重值for 迴圈 *(自 5.40 起穩定；自 5.36 起的實驗) * 重複過對或不使用手動索引算術的 N 元組：

  use v5.40;
  use builtin 'indexed';

for my ($i, $val) (indexed @scores)  { ... } # index and value

或同時擷取多個值

  use v5.40;

for my ($val1, $val2, $val3) (@scores)  { ... }

• defer blocks (自 5.36 起即為實驗性) — 範圍結束保護，可在區塊結束時 (無論是一般還是透過異常狀況) 無條件地執行清除程式碼 - 自然取代以破壞者為基礎的範圍保護物件，以及資料管線中資源管理的重要模式。

  Perl 5.38 — 2023 年 7 月

• **PERL_RAND_SEED 環境變數 ** (5.38) — 在執行前設定此變數，每個rand 呼叫 (沒有明確的) srand) 會產生相同的順序，啟用 可重現 隨機演算法 — 模擬、隨機抽樣、Monte Carlo 方法 — 而無需修改原始程式碼。

• **class / field / method 語法 ** (自 5.38 以來的實驗性) — 專為特定目的而設計的詞彙化物件系統，不需要bless 不@ISA 或任何 CPAN 模組。可用於定義類型值物件，例如資料集資料列、模型參數或管線階段：

  use feature 'class';
  no warnings 'experimental::class';

class Vector2D {
      field $x :param;
      field $y :param;
      method magnitude { sqrt($x**2 + $y**2) }
  }
  my $v = Vector2D->new(x => 3, y => 4);
  say $v->magnitude;    # 5

Perl 5.40 — 2024 年 6 月

• **try / catch 例外處理 ** (自 5.40 起穩定；自 5.34 起實驗；finally 區塊加入 5.36) — 結構化異常狀況處理現在是核心語言功能；不需要 CPAN 模組：

  use v5.40;
  try {
      my $result = load_and_process($file);
  }
  catch ($e) {
      warn "Pipeline error: $e";
  }
  finally {
      close_resources();   # runs whether or not an exception was thrown
  }

(Try::Tiny / Feature::Compat::Try 只有當定位超過 5.34 的磁柱時才需要使用。)

• 多重值for 迴圈 *(自 5.40 起穩定) * — 請參閱上方 5.36 項目；它們在本版本中從實驗中畢業到穩定。

• builtin::inf 與builtin::nan (實驗自 5.40 起) — 輸入的浮點數無限和非數字常數，消除9**9**9 或 POSIX hacks in numerical code。

• **^^ 邏輯 XOR 運算子 ** (5.40) — 完成中優先順序邏輯運算子集 (&&, ||, ^^)；適用於布林遮罩作業。

• **use v5.40 匯入內建函數 **— 超出啟用功能組合，use v5.40 也會匯入對應的builtin 版本組合，使所有穩定builtin:: 函數可用為不含個別名稱的簡稱use builtin 敘述句。

  核心 Perl 類型

Perl 的三個建構基礎資料模型中心：

其他所有項目 (物件、結案、複雜的資料結構) 都是透過 參考資料 從這三個基礎元構建而成 (\@array, \%hash, sub { ... }).

此模型具有額外的彈性。單一陣列可以同時保存整數、浮點數、字串以及巢狀參照。這種靈活性正是 Perl 20 年來主導的系統管理和 Web 文稿語言。

對比 R

R 佔據了好奇的中間地。就像 Perl 一樣，它是動態且解譯的語言 — 變數是未鍵入的容器，函數是一流的值，而互動式 REPL 則是主要開發環境。R 甚至有直接類比到 Perl 的三種核心類型：

但 R 的 workhorse 類型，即 原子向量 沒有直向的 Perl 對方。R 原子向量是連續的，同質上打字的記憶體區塊 — CPU 快取所獎勵的佈局 。R 中的每個內建純量實際上都是一個長度為 1 的原子向量；沒有”裸純量” 不在原子向量 。

此設計選擇意謂著 R 程式碼會以 BLAS 層次傳輸量的數百萬倍，自然在向量上運作，而不需要使用者編寫單一迴圈或配置特殊的迴圈。”陣列” 物件。

R 的原子型態為 ：

R also defines higher-level structures built on atomic vectors:

• 矩陣 — 具有 2D 原子向量的dim 屬性。
• 陣列 — N-D 原子向量與dim 屬性。
• data.frame — 具名的等長原子向量清單；lingua franca of
  R 中的表格式資料。
• 因素 — 含有 1 個整數向量levels 屬性；將類別資料編碼。

The lesson: 用於統計和資料科學應用程式時，R 的運算效能會直接從其連續的原子向量流動。Perl 的同等效能路徑是擴充套件 (亦是獨立的) matlab 如環境)，Perl 資料語言PDL.

3. 輸入 PDL：強烈鍵入的 N 維度陣列

Perl Data Language (PDL、pdl.perl.org) 以 ndarrays (N-dimensional Arrays) 擴充 Perl：連續、強式輸入的記憶體緩衝區，其外觀與感覺就像一流的 Perl 物件。

use PDL;

# A 1-D float ndarray — 4 bytes × 5 elements in one contiguous block
my $v = float( 1.0, 2.0, 3.0, 4.0, 5.0 );

# A 128-dimensional random database of 1000 vectors — all in cache-friendly memory
my $db = random( 128, 1000 );   # double by default

# Dot product of every DB vector against a query — a single BLAS call
my $scores = $db x $query->transpose;

PDL 原始類型

PDL exposes the full palette of C numeric types as first-class constructors:

Post 1 — 序列化和 I/O：VectorIO 模組

檔案：VectorIO.pm

該引擎將向量儲存為內裝的二進制小點MessagePack 有效負載。本文涵蓋：

• 設計一個乾淨的模組Exporter- 基礎公用 API use v5.40.

• 在系統界限強制實行綱要正確性的驗證協助程式。

  Post 2 — 模擬向量資料庫

檔案：simulate_vectorDB.pl

在搜尋資料庫之前，我們需要一個資料庫。此文章顯示：

• 產生可再現的隨機浮點向量與PDL::random.

• 使用GetOpt::Long 用於人體工學 CLI 選項剖析。

• 寫一個--seed- 受控制的模擬會在執行時產生相同的資料庫，對於基準而言至關重要。

  Post 5 — Mini-Batch K-Means：擴展至大型資料集

檔案：compare_kmeans_centroids.pl

完整 k-means 需要在記憶體中執行所有資料以進行每次重複。Mini-batch k-means 會交易少量的甲狀腺準確度，以大幅減少記憶體和運算。這篇文章探討：

• 在 PDL 中實作真正的重新取樣迷你批次迴圈。

• 量身定制全迷你批次變體之間的甲狀腺漂移。

• R 的並排輸出MiniBatchKmeans 從ClusterR 套件。

  Post 6 — 反轉檔案索引 (IVF) 搜尋

檔案：compare_ivf_search.pl

有了甲狀腺功能，我們可以分割資料庫，並執行近似鄰近搜尋的子線性。本文涵蓋：

• Building the inverted lists: 將每個資料庫向量對應至其最近的中心。
• The unpack_inverted_lists 協助者進入VectorIO.
• Querying: 尋找最接近 K 的甲狀腺，然後只搜尋這些清單。
• 準確度與加速權衡，因為試用名單數量不同。

Sandbox：SSI Mermaid wardley-beta 圖表