Преобразовать Python код в Kotlin

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
def load_data():
    URL_='https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
    data = pd.read_csv(URL_, header = None)
    print(data)
 
data = data[:100]
    data[4] = np.where(data.iloc[:, -1]=='Iris-setosa', 0, 1)
    data = np.asmatrix(data, dtype = 'float64')
    returndata
data = load_data()
plt.scatter(np.array(data[:50,0]), np.array(data[:50,2]), marker='o', label='сетоза')
plt.scatter(np.array(data[50:,0]), np.array(data[50:,2]), marker='x', label='виргиника')
plt.xlabel('длиналепестка')
plt.ylabel('длиначашелистиков')
plt.legend()
plt.show()

def perceptron(data, num_iter):
    features = data[:, :-1]
    labels = data[:, -1]
    # установим веса на ноль
    w = np.zeros(shape=(1, features.shape[1]+1))
    misclassified_ = [] 
    for epoch in range(num_iter):
        misclassified = 0
        for x, label in zip(features, labels):
            x = np.insert(x,0,1)
            y = np.dot(w, x.transpose())
            target = 1.0 if (y > 0) else 0.0
            delta = (label.item(0,0) - target)
            if(delta): # неправильнаяклассификация
                misclassified += 1
                w += (delta * x)
        misclassified_.append(misclassified)
    return (w, misclassified_)
num_iter = 10
w, misclassified_ = perceptron(data, num_iter)
Теперь можно посмотреть количество ошибочно классифицированных выборок в каждой итерации.
epochs = np.arange(1, num_iter+1)
plt.plot(epochs, misclassified_)
plt.xlabel('iterations')
plt.ylabel('misclassified')
plt.show()