strata-mojo

Strata é uma biblioteca de aprendizado de máquina e álgebra linear escrita em Mojo, projetada para fornecer estimadores compatíveis com scikit-learn com aceleração nativa de SIMD e LAPACK. Ela cobre uma ampla gama de domínios de ML: modelos lineares (LinearRegression, Ridge, Lasso, ElasticNet, LogisticRegression, SGD), SVMs (LinearSVC, LinearSVR), naive Bayes (GaussianNB, MultinomialNB, BernoulliNB, ComplementNB), árvores de decisão e ensembles (RandomForest, HistGradientBoosting), agrupamento (KMeans, MiniBatchKMeans, DBSCAN), vizinhos mais próximos (KNeighbors, KDTree), decomposição (PCA, TruncatedSVD), pré-processamento (escaladores, codificadores, imputadores, características polinomiais), seleção de modelos (validação cruzada, busca em grade/aleatória) e métricas de avaliação. A biblioteca fornece contêineres de matriz densa e esparsa (Matrix, CSRMatrix, CSCMatrix), serialização binária sem cópia para persistência de modelos e estruturas de Pipeline compostas. Benchmarks de desempenho relatam acelerações de 1,1x a 3x em relação ao scikit-learn em cargas de trabalho padrão, mantendo paridade matemática bit a bit. A instalação está disponível via Pixi a partir do canal Modular Community no Prefix.dev. A biblioteca suporta dois modos de execução: rotinas puras em Mojo com zero dependências externas e solvers acelerados por LAPACK/BLAS para operações avançadas de álgebra linear, como SVD, QR, Cholesky e decomposição de autovalores.