011 Clojure 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定¶
「機械学習から始めるプログラミング入門」Clojure 版で使うライブラリを決める。
日付: 2026-09-23
ステータス¶
2026-09-23 提案されました
2026-09-23 承認されました（第 1〜15 章の執筆で確かめました）
コンテキスト¶
執筆計画 の「第 3 波の執筆計画」では、Clojure 版の機械学習ライブラリの第一候補を Smile（Java の相互運用）とし、scicloj.ml・tech.ml.dataset の保守状況を B55 のステップ 1 で確かめてから確定するとした。Clojure 版の対比の相手は Scala 版・Java 版（JVM と Smile）、F# 版（不変のデータと関数）、Ruby 版・Python 版（動的型付け）である。
B55 のステップ 1 で、使い捨ての deps.edn のプロジェクトを nix develop .#clojure の中で動かして次を確かめた。
| 確認したこと | 結果 | 確認方法 |
|---|---|---|
| Nix 環境 | Clojure CLI 1.12.3.1577、Leiningen 2.11.2、babashka 1.12.209、clojure-lsp 2025.11.28 | nix develop .#clojure |
| JDK | java コマンドは 25.0.2 だが、Clojure も Leiningen も JDK 21.0.8 で動く（clojure のラッパーが JDK 21 を持つ） |
(System/getProperty "java.version") |
| Smile | 3.1.1 を Java の相互運用でそのまま呼べ、決定木・重回帰・K-means・主成分分析（寄与率つき）・リッジ・ラッソ・ロジスティック回帰・ランダムフォレスト・評価指標が動いた。しかし POM のライセンスは GPL-3.0（2.6.0 は LGPL-3.0）で、ADR 007 が Scala 版で Smile を採用しなかった理由と同じ。採用しない | 使い捨てのプロジェクトで実行、Maven Central の POM |
| Tribuo | 4.3.2、Apache License 2.0。Java 版（ADR 005）・Kotlin 版・Scala 版（ADR 007）で各アルゴリズムの癖を確認済み。Clojure からは ArrayExample・MutableDataset・CARTClassificationTrainer を Java の相互運用で呼ぶ |
Maven Central |
| Smile の DataFrame | DataFrame/of に DoubleVector/of・IntVector/of の配列を渡して作る。DecisionTree/fit は Formula・DataFrame・SplitRule/GINI・深さなどを受け取る |
同上 |
| 乱数 | java.util.Random と Fisher-Yates で [4, 8, 9, 6, 3, 5, 2, 1, 7, 0]。Java 版・Scala 版と同じ並び |
同上 |
| CSV | clojure.data.csv 1.1.0 は BOM を取り除かない（先頭の列名が "\uFEFF身長" になる）。Shift_JIS は InputStreamReader に文字コードを渡せば読めるが、UTF-8 として読むと例外を投げずに文字化けする |
ヘッダーを表示 |
tech.ml.dataset |
7.032 は動き、BOM も取り除く。ただし依存が大きい（OpenBLAS のネイティブライブラリを含む） | 同上 |
| テスト | clojure.test と cognitect-labs/test-runner を :test の別名にして clojure -M:test で走らせられる |
同上 |
| 整形・静的解析 | cljfmt も clj-kondo も Nix 環境に入っていない（環境の起動メッセージの「clj-kondo …」は clojure-lsp の出力の一部）。nixpkgs には cljfmt 0.15.6 と clj-kondo 2025.10.23 があり、字下げの崩れと未使用の束縛をそれぞれ指摘することを確かめた | nix shell で試用 |
| カバレッジ | cloverage 1.2.4 が deps.edn の別名から動く（:paths に test を含めないと落ちる） |
使い捨てのプロジェクト |
| 直列化 | EDN（pr-str／read-string）でマップとベクタをそのまま保存・復元できる |
同上 |
各章で確かめた結果¶
| 章 | 確かめたこと |
|---|---|
| 1 | clojure.data.csv は BOM を取り除かないので、先頭の列名から自分で取り除く。clojure.test にスキップが無いので、実データのテストは理由を標準エラーに出して早く戻る（テストの数は変わらず、表明の数が 18→16 と動く）。Rust 版のようにカバレッジの差でスキップを見分ける手は使えない（第 1 章では実データの経路を一時ファイルのテストが覆うため、カバレッジが変わらない） |
| 2 | java.util.Random と Fisher-Yates の並び（シード 0 で [4, 8, 9, 6, 3, 5, 2, 1, 7, 0]）が Java 版・Scala 版と一致し、訓練データの平均値も一致した（がく片長さ 0.4215384615384616 ほか）。get の既定値は先に評価されるので、「無ければ例外」は when-not で書く。標準の shuffle はシードを渡せず再現しない |
| 3 | 深さごとの正解率・深さ 2 の木の境界（0.2950・0.6500）・Tribuo の CART との全件一致まで、Java 版・Scala 版と同じになった。max-key は同値のとき後ろを返すので（Scala の maxBy・Kotlin の maxByOrNull と逆）、最頻値・分割・葉のラベルは厳密な > で畳む。frequencies は順を保たないので、distinct の順でたどる |
| 4〜6 | cljfmt（違反で終了コード 1）・clj-kondo（警告で終了コード 2。--fail-level error にすると警告が出ても 0）・cloverage（:extra-paths ["test"] が無いと FileNotFoundException）。cljfmt も clj-kondo も改行コードを検査しないので、.gitattributes の apps/clojure/** text=auto eol=lf が唯一の防御になる（Ruby 版の Layout/EndOfLine に当たる層が無い）。カバレッジは学習データの有無で 64.72%↔75.04%（forms）と動くので下限は設けない |
| 7 | SLMTrainer(true) と LARSTrainer の予測は自作の正規方程式と小数第 13 位まで一致し、SLMTrainer(false) は一致しない（Java 版・Scala 版と同じ癖）。架空データの予測値は Java 版・Scala 版と 1 ビットも違わない。SparseLinearModel.getWeights は正規化した空間の重みなので、中心化ノルムの比で自作の係数に戻す。SLMTrainer は学習のたびに java.util.logging に「Feature selected: …」を出す |
| 8 | Tribuo の CART にクラスの重みを渡す口が無いので、重み付きの決定木は自作が最終実装。自作と CART の相違件数（深さ 1〜10 で 0,0,0,0,2,0,0,0,1,0）まで Java 版・Scala 版と一致した。学習済みパイプラインがマップ・ベクタ・キーワードだけなので、EDN の pr-str／read-string で往復でき、値として = で比べられる（Scala 版が必要とした自作のテキスト形式は要らない） |
| 9 | 決定係数 8 個と天気ごとの平均利用者数が Java 版・Scala 版と完全に一致。Tribuo の標準化は不偏標準偏差（n−1 で割る）。java.io.InputStreamReader は文字コードを間違えても例外を投げず、置換文字に置き換えて読み進む（Java 版・Scala 版の Files.readAllLines は MalformedInputException を投げる）。Clojure のマップは 9 件目からハッシュマップになり挿入順を保たないので、列の順は :columns のベクタで持ち回る |
| 10 | 10 個の数値が Java 版と完全に一致。Tribuo のロジスティック回帰の既定は 5 エポックで、500 エポックにすると自作と一致する。ランダムフォレストの minChildWeight の既定 5 が木の深さを抑えている（1.0 にすると訓練 1.0000・テスト 0.9333）。乱数は mapv で即座に評価する（repeatedly の遅延シーケンスと java.util.Random を混ぜると呼ぶ順が変わり、Java 版と並びが合わなくなる）。分類器は「学習して予測する関数を返す関数」で表し、defprotocol もアダプターも使わなかった |
| 11 | 正解率・適合率・再現率・F 値・RMSE・MAE が Java 版と完全に一致。clojure.core/map はチャンクする（ベクタを渡すと 32 件を一度に実現するので「1 件取り出せば 1 回だけ計算」は成り立たない。リストならチャンクされない）。{:keys [tp fn]} は clojure.core/fn を隠すので、混同行列の :fn は受け側で改名する。Tribuo の TrainTestFold の train／test は public フィールドなので (.-test fold) で読む。KFoldSplitter.split は Iterator を返す |
| 12 | alpha の表・選んだ alpha（10.0）・テストの決定係数（線形 0.5224、リッジ 0.6243）・ラッソで 0 になった列が Java 版と完全に一致。ElasticNetCDTrainer の l1Ratio に 0 を渡すと OLCUT の PropertyException になるので 1e-12 を使う。Tribuo は特徴量を列名の順に並べ替えるので、名前は x%02d と桁をそろえる。同じ章の中で標準偏差の流儀が 2 つ混ざる（標準化は n、外れ値の z スコアは n−1）が、Java 版・Scala 版と同じ使い分けで数値が一致する |
| 13 | Tribuo 4.3.2 に主成分分析のモジュールは無いので、DenseMatrix.eigenDecomposition だけを使い、中心化・分散共分散行列・並べ替え・符号・射影は自作した。固有値は大きい順に返り、対称でない行列では空の Optional になる。寄与率・主成分・符号まで Java 版・Scala 版と一致した |
| 14 | KMeansTrainer は初期化が RANDOM／PLUSPLUS だけで初期中心を渡せないので、比較は同じ定義の SSE の大きさで行う（Kotlin 版の ADR 002 と同じ結論）。SSE の表・クラスタの件数・平均支出額が Java 版・Scala 版と一致した |
| 15 | Ring 1.12.2＋Jetty 11 と Cheshire で、経路の振り分けのライブラリを使わずに書けた。置き場の約束は defprotocol、モデルは関数（操作が 1 つなら関数、複数で名前が要るなら protocol）。protocol は名前と引数の数しか守らないので、「無ければ例外」は本物と偽物の両方に走らせる約束のテストで守る。Jetty は Content-Type を組み立て直す（application/json; charset=utf-8 が空白なしで届く）。Cheshire の parse-string は空文字列で例外を投げずに nil を返す。EDN は Double を往復しても桁が落ちないので、保存・読み込みを挟んだ予測値が Java 版・Scala 版と完全に一致した。経路を自前で振り分けると 405 は自動で出ず、許可メソッドの表を二重に持つことになる |
決定¶
| 用途 | 採用 | バージョン | ライセンス | 初出 |
|---|---|---|---|---|
| 言語・ビルド | Clojure と Clojure CLI（deps.edn）。deps.lock に当たるものは無いので、依存は固定した版で書く |
Clojure 1.12、CLI 1.12.3 | EPL-1.0 | 第 1 章 |
| JDK | Nix の Clojure が持つ JDK 21 | 21 | — | 第 1 章 |
| テスト | clojure.test と cognitect-labs/test-runner（clojure -M:test） |
test-runner v0.5.1 | EPL-1.0 | 第 1 章 |
| 整形 | cljfmt（cljfmt check） |
0.15.6 | EPL-1.0 | 第 1 章（記事での解説は第 5 章） |
| 静的解析 | clj-kondo（clj-kondo --lint src test） |
2025.10.23 | EPL-1.0 | 第 1 章（記事での解説は第 5 章） |
| カバレッジ | cloverage | 1.2.4 | EPL-1.0 | 第 1 章（記事での解説は第 5 章） |
| データの表現 | 素のマップとベクタ（列名をキーにしたマップの並び）。tech.ml.dataset は使わない |
— | — | 第 1 章 |
| CSV | clojure.data.csv（BOM は自分で取り除く） |
1.1.0 | EPL-1.0 | 第 1 章 |
| 文字コード | java.io.InputStreamReader に文字コードを渡す（Shift_JIS の CSV） |
JDK と同じ | — | 第 9 章 |
| 乱数 | java.util.Random と Fisher-Yates |
JDK と同じ | — | 第 2 章 |
| 機械学習 | Tribuo（Java の相互運用で呼ぶ） | 4.3.2 | Apache-2.0 | 第 3 章 |
| 直列化 | EDN（学習済みモデル）、Cheshire（API の JSON） | Cheshire 5.13 | EPL-1.0 / MIT | 第 8 章 |
| API | Ring と Jetty（ring/ring-jetty-adapter）。経路の振り分けはハンドラーの関数の中で書く |
Ring 1.12 | EPL-1.0 | 第 15 章 |
tech.ml.datasetを使わない。 BOM を取り除いてくれる利点はあるが、データフレームのライブラリを使わないのはシリーズ全体の方針であり、依存に OpenBLAS のネイティブライブラリが入る。表は素のマップとベクタで表し、Smile に渡すところだけDataFrameに変換する- 機械学習は Tribuo にする。 Smile は Clojure から問題なく呼べたが、3.x のライセンスが GPL-3.0 で、記事のサンプルコードとして配るには合わない。Tribuo は Apache-2.0 で、Java 版・Kotlin 版・Scala 版が同じ 4.3.2 を使っている。同じライブラリを同じ設定で呼ぶことが、この版の対比の軸である
scicloj.mlも使わない。 Tribuo を直に呼べるので、包み直す層を増やす理由が無い- Nix の環境定義に clj-kondo と cljfmt を足す。 検査に使う道具が環境に無いままでは、CI と手元で同じ検査ができない。環境定義を変えた経緯は第 5〜6 章の題材にする（Ruby 版の
RUBYLIBと同じ扱い） - JDK 21 で動くことを前提にする。
javaコマンドの版（25）とは違うので、記事の環境構築の節に書く - 各章は「自作してから Tribuo と突き合わせる」構成にする。 Java 版・Scala 版と同じ流れ。数値が Java 版・Scala 版と一致するかを各章で確かめ、一致しない場合は理由を書く
- Tribuo に無いものだけを自作の最終実装とする。 Java 版・Scala 版の ADR 005・007 に、章ごとの対応範囲が記録されている
章ごとのライブラリへの置き換え方針¶
| 章 | 置き換え | 方針 |
|---|---|---|
| 3 | org.tribuo.classification.dtree.CARTClassificationTrainer（GiniIndex） |
自作のジニ不純度の決定木と突き合わせる。深さの指定と、同じ不純度の分割候補の選び方の違いを見る |
| 7 | org.tribuo.regression.slm の線形回帰 |
正規方程式を自作してから、Smile の重回帰と突き合わせる |
| 8 | Tribuo の CART。前処理は自作 | 欠損値の補完・ダミー変数化・クラスの重みは Tribuo の対応範囲を確かめ、無ければ自作 |
| 9 | Tribuo の標準化 | 自作の標準化と突き合わせる（母標準偏差か標本標準偏差かを実測で確かめる） |
| 10 | Tribuo のロジスティック回帰・ランダムフォレスト | 自作と突き合わせる。正則化の既定値を確かめる |
| 11 | Tribuo の評価指標 | 自作の評価指標・ROC・交差検証と突き合わせる |
| 12 | Tribuo の正則化つき線形モデル | 自作のリッジ・ラッソと突き合わせる（目的関数の流儀の違いに注意する） |
| 13 | Tribuo の DenseMatrix.eigenDecomposition（主成分分析そのものは無い） |
中心化・分散共分散行列・射影・寄与率は自作が最終実装 |
| 14 | org.tribuo.clustering.kmeans の K-means |
自作の K-means と突き合わせる |
検討した代替案¶
| 代替案 | 採用しなかった理由 |
|---|---|
| Smile 3.1.1（機械学習） | POM のライセンスが GPL-3.0。LGPL-3.0 の 2.6.0 は古い。Scala 版（ADR 007）と同じ判断で採用しない |
| Leiningen（ビルド） | Clojure CLI の deps.edn のほうが依存の指定が素直で、別名でテスト・カバレッジを分けられる。Nix には両方ある |
tech.ml.dataset・tablecloth（データフレーム） |
シリーズの方針でデータフレームのライブラリを使わない。依存も大きい |
scicloj.ml（機械学習の包み） |
Tribuo を直に呼べる。包む層を増やすと Java 版・Scala 版との対比がぼやける |
| kaocha（テスト） | clojure.test と test-runner で足りる。ほかの言語版も標準のテストの仕組みを使っている |
| reitit・compojure（経路の振り分け） | 第 15 章の主題（層の分離と統合テスト）には Ring のハンドラーだけで足りる。Ring では「ハンドラー＝要求のマップを受け取り応答のマップを返す関数」であることを示したい |
| nippy（直列化） | EDN で学習済みモデルのマップをそのまま保存できる。読める形式のほうが記事の題材にしやすい |
影響¶
- 良い影響: Java 版・Kotlin 版・Scala 版と同じ Tribuo を同じ JDK で呼ぶので、数値が一致するかどうかを言語をまたいで確かめられる。乱数の並びも一致する（第 2 章の訓練データの平均値が Java 版・Scala 版と一致することを実測で確かめた）
- 良い影響: 表を素のマップとベクタで表すので、Clojure のデータ操作（
map・filter・スレッディングマクロ）がそのまま記事の題材になる - 悪い影響:
deps.ednには lock ファイルが無いので、再現性は版を固定して書くことに頼る - 悪い影響: 検査の道具（clj-kondo・cljfmt）が Nix 環境に無いため、環境定義に手を入れる必要がある
- 悪い影響:
clojure.core/formatはロケールを渡さずにString/formatを呼ぶので、小数点の表し方が既定のロケールに依る（Java 版・Scala 版はLocale.ROOTを明示している）。表示の書式をテストで固定しているので気づけるが、移植性を重んじるなら(String/format java.util.Locale/ROOT ...)と書く - 悪い影響: Tribuo の API は可変なオブジェクト（
MutableDataset）と Java の配列が中心で、Clojure の不変のデータとの間で変換が要る。その変換自体は第 3 章以降の題材にする