SwiftAI

Fonctionnalités

• •Onze modèles supervisés : régression linéaire et ridge, régression logistique, k plus proches voisins, naive Bayes gaussien, arbres de décision, forêts aléatoires et réseaux de neurones, plus le clustering k-means et l'analyse en composantes principales
• •Vérifié face à scikit-learn 1.9.1 : les tests comparent coefficients, probabilités et clusters (par exemple les probabilités de régression logistique à 1e-5, l'ACP à 1e-10)
• •Erreurs plutôt que plantages : des données ou réglages invalides déclenchent une SwiftAIError qui indique quoi changer
• •Chargement sûr : modèles, scalers et pipelines sont Codable, et le décodage vérifie les formes, les valeurs, les listes de classes et la structure des arbres
• •Reproductible : chaque étape aléatoire prend une graine, et la même graine donne le même modèle, aussi pour les forêts entraînées en parallèle
• •Pipeline ajuste le prétraitement uniquement sur les données d'entraînement et l'applique de la même façon à chaque échantillon ultérieur
• •Mode de langage Swift 6 avec vérification stricte de la concurrence ; catalogue DocC avec quatre articles et l'app d'exemple ModelLab pour iOS et macOS

Démarrage rapide

1import SwiftUI
2import SwiftAI
3 
4struct ContentView: View {
5    var body: some View {
6        Text(irisSummary())
7            .padding()
8    }
9 
10    func irisSummary() -> String {
11        do {
12            // 1. Split the built-in iris flowers into training and test samples.
13            let (training, test) = try Dataset.iris.stratifiedSplit(testFraction: 0.2, seed: 42)
14            // 2. Train a random forest on the training samples.
15            let model = try RandomForestClassifier.fit(training, seed: 42)
16            // 3. Measure it on the test samples and classify a new flower.
17            let accuracy = try model.accuracy(on: test)
18            let species = try model.predict([6.3, 2.8, 5.1, 1.5])
19            return "Test accuracy: \(accuracy.formatted(.percent))\nNew flower: \(species)"
20        } catch {
21            return error.localizedDescription
22        }
23    }
24}

Installation

1https://github.com/muhittincamdali/SwiftAI.git

1dependencies: [
2    .package(url: "https://github.com/muhittincamdali/SwiftAI.git", from: "2.0.0")
3],
4targets: [
5    .target(name: "YourApp", dependencies: [
6        .product(name: "SwiftAI", package: "SwiftAI")
7    ])
8]

Captures d'écran

Chronologie

1. août 2025

   Dépôt ouvert comme un large framework d'IA avec des couches d'architecture d'app et du code Vision et NLP

2. février 2026

   Version 1.0.0 publiée ; trois jours plus tard, les modules d'architecture d'app ont été supprimés et un noyau d'apprentissage automatique plus restreint a été écrit

3. juin 2026

   Allégé : les tests se sont réduits à un seul fichier d'espace réservé et de petites couches stub ont été ajoutées

4. 14 octobre 2026

   Reconstruit entièrement comme un package d'apprentissage automatique classique sans dépendance et publié en version 2.0.0 ; aucune API de 1.0.0 ne subsiste

Liens

Article associé