初始化高维稀疏矩阵
高维稀疏矩阵是指具有大量零元素的矩阵，其中维度较高。初始化高维稀疏矩阵是指在开始使用该矩阵之前，为其分配内存并将其元素初始化为适当的值。
在云计算领域中，高维稀疏矩阵常用于表示大规模数据集，例如图数据、推荐系统中的用户-物品关系等。由于矩阵的维度较高且大部分元素为零，因此需要采用特殊的数据结构和算法来有效地存储和处理这些矩阵。
初始化高维稀疏矩阵的方法可以根据具体需求和应用场景选择。以下是一些常见的初始化方法：
- 随机初始化：将矩阵中的非零元素随机分布在各个位置上。这种方法适用于不需要特定模式的情况，例如在机器学习中的权重矩阵初始化。
- 零初始化：将矩阵中的所有元素初始化为零。这种方法适用于需要在后续计算中逐步填充矩阵的情况。
- 基于数据分布的初始化：根据已有数据的分布特征来初始化矩阵。例如，在推荐系统中，可以根据用户对物品的评分分布来初始化用户-物品关系矩阵。
- 基于模型的初始化：使用特定的模型来初始化矩阵。例如，在图数据中，可以使用随机游走算法来初始化节点之间的关系矩阵。
腾讯云提供了一系列与高维稀疏矩阵相关的产品和服务，例如：
- 腾讯云弹性MapReduce（EMR）：提供了分布式计算框架和大规模数据处理能力，适用于处理高维稀疏矩阵的计算任务。详情请参考：腾讯云弹性MapReduce（EMR）
- 腾讯云人工智能引擎（AI Engine）：提供了丰富的人工智能算法和模型，可用于高维稀疏矩阵的初始化和处理。详情请参考：腾讯云人工智能引擎（AI Engine）
- 腾讯云分布式数据库TDSQL：提供了高性能和可扩展的数据库服务，适用于存储和查询高维稀疏矩阵数据。详情请参考：腾讯云分布式数据库TDSQL
以上是关于初始化高维稀疏矩阵的一些概念、分类、优势、应用场景以及腾讯云相关产品的介绍。希望对您有所帮助！
相关·内容
1回答
我有表示M矩阵的CSR稀疏矩阵数组：
dataindoorindices
我的问题是如何确定最初的维数N，我知道indptr有一个M+1项，所以M很容易确定。但我看不出如何确定N，除非矩阵是平方(M = N)。
如能提供任何援助，将不胜感激。
亲切的问候
约翰
浏览 1提问于2019-11-07得票数 0
我需要一个三维矩阵在matlab，我有另一个2D矩阵(7570x3)，三维矩阵应该有零，除了所有维的二维矩阵，应该有一个值。我怎么能这么做。
即2D矩阵(1，:) = 28,64,27，那么3d(27,64,27)应该是1
我怎么能这么做？
浏览 2提问于2013-11-30得票数 0
回答已采纳
4回答
java稀疏矩阵问题
、、、
我有一个二维矩阵。我的矩阵是稀疏的。我正面临着性能问题。有没有人可以回答我可以在java中使用什么api或类来处理稀疏矩阵来提高我的程序性能。
例如，我想要
it take 100x100 matrix
handle sparse stuff
do the multiplication
return me my matrix same as 100x100 with 0 ( mean sparse matrix )
浏览 2提问于2010-02-23得票数 4
1回答
我使用sk-learn.CountVectorizer n.CountVectorizer()创建向量矩阵，发现其中57%填充了0。在一些在线情况下，他们的稀疏矩阵只有30%填充了零。我想知道稀疏程度的影响。在稀疏矩阵中有较少的零是好的还是坏的，还是没有区别？我们对这一意见有何评论？
浏览 3提问于2020-05-18得票数 0
回答已采纳
1回答
我有两个稀疏矩阵A(亲和力矩阵)和D(对角矩阵)，维数为100000*100000。我必须计算拉普拉斯矩阵L= D^(-1/2)*A*D^(-1/2)。我正在使用scipy CSR格式的稀疏矩阵。
我没有找到任何方法来求稀疏矩阵的逆。如何求稀疏矩阵的L和逆矩阵？还建议使用python来做这件事是否有效，或者我是否应该调用matlab函数来计算L？
浏览 1提问于2012-02-12得票数 3
2回答
我的问题很难或太简单。因此，我一直在使用稀疏从不同的向量创建一个矩阵(例如)
我使用sparse(i,j,s,m,n)，其中i和j是分配给用地板导出的粒子的，等等(在单元模拟中是粒子)。
这是给1D的。我想要矢量化这个问题的二维，并得到了问题，我不能创建三维稀疏矩阵的八度。
我真的不是八度的专家，我正在寻找一个解决方案，我可以根据i和j值很好地将从s到s的值放入矩阵中。
例如:我在单元格x=2和y=2中得到了粒子1，而不是希望从(1,2,2,value)中的粒子1中得到一个具有值的矩阵。有没有一种没有太多if's和for's的方法？
浏览 4提问于2013-12-04得票数 2
回答已采纳
我有一个矩阵A (维数mxn)和向量b (维数)。
我想构造一个向量，它是_repmat_((A*b),[C 1])，其中C= n/m。我正在使用大量的数据，因此n~100000和C~10。
如您所见，这实际上是块矩阵乘法，而不必显式创建完整的A块矩阵(维度nxn)，因为这很容易超出可用内存。
A是稀疏的，已经使用_sparse()_函数进行了转换。
有更好的方法吗？(考虑到速度和内存占用的权衡，我宁愿有一个更小的内存占用)
通常，如果我在做元素级的计算，我会使用bsxfun而不是使用repmat来最小化内存占用。据我所知，矩阵乘法没有等效的bsxfun？
浏览 1提问于2013-07-23得票数 0
回答已采纳
有两个矩阵A和B，A和B的维数都是100000乘100000。矩阵B是对称矩阵。我想计算A_B_A。我只使用了朱莉娅代码
A*B*A
做那件事。但这需要很长时间。我只是想知道是否有更好的方法来做到这一点。
浏览 4提问于2022-02-22得票数 5
我正在对一个很大的稀疏二进制矩阵进行聚类之前的降维步骤，该矩阵由近3000列和50k行组成。
我的想法是用UMAP将3000个维度嵌入到一个二维空间中，然后用HDBScan对得到的5万个二维点进行聚类。
我发现UMAP接受了许多选项，比如metric、n_neighbors、min_dist和spread，但是我不知道什么才是给我提供不同集群的最佳组合。对于大多数情况下最能工作的二进制数据，是否有任何关于UMAP降维的建议或最佳实践?或者，在找不到合适的组合之前，我还需要使用参数吗？
浏览 0提问于2021-07-27得票数 2
我在Matlab中有两个稀疏矩阵，A和B，我想要计算一个三维矩阵C，这样
C(i,j,k) = A(i,j) * B(j,k)
我不需要循环就能这么做吗？
(附带问题:是否有此操作的名称？)
编辑:看来我的问题已经被问到了(只是为了完整的矩阵)：
浏览 4提问于2013-11-30得票数 1
回答已采纳
3回答
所以，我使用的布尔矩阵的维数通常是几十到几百，它们通常是相当稀疏的(在大多数行和列中只有2-4个非零)，并且我的运行时主要由它们的乘法控制。
在这种情况下，哪种数据结构最适合加速乘法？
目前，我将每个矩阵按行存储在一个连续的位集(64位长的数组)中，并使用基本的标准算法将它们相乘，只是通过在字中定位下一组位的快速操作以及通过位掩码操作进行矢量化来加速稀疏性。
也许我真的应该使用一些稀疏表示法？
浏览 0提问于2010-09-05得票数 9
1回答
论礼拜堂的稀疏性
、、、、
给定一个稠密域dom: domain(n);，其中n< 3，声明sps1: sparse subdomain(dom);产生一个稀疏子域sps1 of dom。使用sps1，通常的数组/矩阵切片是可能的。也就是说，给定一个矩阵A: [sps1]，可以取A的n维切片.然而，通常的矩阵运算transpose()是不适用的。
在另一个稀疏子域B:[sps2]上定义第二个矩阵sps2 = CSRDomain(dom)使一个人能够获取B的transpose()，但是将其切片到B中的能力就丧失了。
这两种能力似乎都是一个人应该始终能够获得的。是否有更好的方法来声明保留这两个域的稀疏子域？
浏览 0提问于2018-03-14得票数 3
回答已采纳
我有两个矩阵J1 (稀疏)=J2(全)。
矩阵的维数为~ 5200x2600
当我这样做的时候：
hlm1 = (J1'*J1 + u*I)\g, I = eye(n);
和
hlm2 = (J2'*J2 + u*I)\g, I = eye(n);
在那之后我有：norm(hlm1 - hlm12, Inf) is 4.8625e-05 ...
这就是我的问题所在，是不是使用矩阵稀疏的正确方法？
谢谢。
浏览 1提问于2014-05-09得票数 1
3回答
假设我有Numpy数组p和一个稀疏矩阵q，这样
>>> p.shape
(10,)
>>> q.shape
(10,100)
我想做一个p和q的点乘积。当我尝试使用numpy时，我得到以下结果：
>>> np.dot(p,q)
Traceback (most recent call last):
File "/usr/local/lib/python2.7/dist packages/IPython/core/interactiveshell.py", line 2883, in run_code
exec(co
浏览 4提问于2015-06-25得票数 1
回答已采纳
2回答
稀疏矩阵的高效最近邻搜索
、、、
我有一个庞大的数据(文本)语料库，我已经将其转换为稀疏术语文档矩阵(我使用scipy.sparse.csr.csr_matrix来存储稀疏矩阵)。我希望为每个文档找到前n个最近的邻居匹配。我希望Python scikit-learn库中的NearestNeighbor例程(准确地说是sklearn.neighbors.NearestNeighbor)可以解决我的问题，但是使用空间分区数据结构(如KD trees或Ball trees )的高效算法不能处理稀疏矩阵。只有蛮力算法才能处理稀疏矩阵(这在我的情况下是不可行的，因为我正在处理大型语料库)。
稀疏矩阵的最近邻搜索(用Python或任何其他
浏览 1提问于2013-08-11得票数 9
1回答
我在我的X_train上应用了CountVectorizer()，它返回了一个稀疏矩阵。 通常，如果我们想标准化稀疏矩阵，我们会传入with_mean=False参数。 scaler = StandardScaler(with_mean=False)
X_train = scaler.fit_transform() 但在我的例子中，在我的X_train上应用了CountVectorizer之后，我还执行了主成分分析(TruncatedSVD)来减少维数。现在我的数据不是稀疏矩阵。 所以现在我可以不传递with_mean=False (i.e with_mean=True)而直接应用Stand
浏览 10提问于2019-03-07得票数 2
回答已采纳
3回答
Java向量内积
、、、
我有一个m维向量数组(存储为简单数组) v1, v2 ... vn.。
我必须反复计算我从这些向量中选择的两个向量之间的内积。
实现这一目的的一种方法是在所有组件之间使用简单的for循环。
double sum=0;
for(int i=0; i<m; i++)
sum+=v1[i]*v2[i];
这几乎是我打算对数据执行的唯一线性代数运算。
导入像JAMA或la4j这样的linalg库，将所有内容存储为矩阵并计算内部产品会更有效吗？(这些甚至不是大的矩阵乘法，只是一维向量之间的内积)
La4j(等)是如何实现点产品的？它不也迭代每一个索引和乘每对组件吗？
浏览 3提问于2014-05-27得票数 2
解释说，fit_transform只能用于密集矩阵，但我有一个csr格式的稀疏矩阵，我想对它执行tsne。文档说要对稀疏矩阵使用fit方法，但这并不返回低维嵌入。
我很感谢我可以像在.todense()中一样使用方法，但是我的数据集非常大(0.4*10^6行和0.5*10^4列)，所以内存中不适合使用。真的，用稀疏矩阵来做这件事是很好的。是否有一种方法可以使用scikit TSNE (或TSNE的任何其他python实现)来降低大型稀疏矩阵的维数，然后返回低维嵌入以进行可视化？
浏览 6提问于2017-09-26得票数 4
回答已采纳
2回答
在我正在写的一篇论文中，我利用一个n×n矩阵乘以一个n维的密集向量。在它的自然形式下，这个矩阵具有O(n^2)空间复杂度，并且乘法需要O(n^2)时间。
然而，众所周知，矩阵是对称的，并且沿其对角线具有零值。矩阵也是高度稀疏的:大多数非对角线条目都是零。
谁能把我链接到一个算法/论文/数据结构，它使用稀疏对称矩阵表示来接近O(nlogn)甚至O(n)，在高度稀疏性的情况下？
浏览 0提问于2011-09-13得票数 4
回答已采纳
假设我们有如下整数：(1, 2)=10,、(2,3)=20,、(3, 4)=30等，…
这些整数分布在一个具有2000*2000维数的矩阵中。
但是我只需要这个矩阵的400-6000个元素和它们的索引(即它们的位置(i，j))。矩阵中的其他元素为零。所以我不需要它们。除了使用二维Array/ArrayList之外，还有其他方法来保存这些元素及其索引，因为我们可以轻松地调用和重用这些元素及其索引吗？
使用Array/ArrayList会消耗大量内存。
浏览 7提问于2015-03-05得票数 1
回答已采纳
我需要将一个矩阵与许多其他矩阵进行转换，很少调用这个矩阵。
例如:我有size(MyMat)=[fm, fm ,1, bSize]和size(masks)=[s, s, maskNum]
我希望res(:,:,k,:)是masks(:,:,k)与MyMat合并的产物
res(:,:,k,:)=convn(MyMat,masks(:,:,k));
由于卷积占用了我的脚本运行时间的80%以上，并且被调用了数十万次，所以我不想使用循环。
我在寻找最快的方法来做到这一点。基本上，你可以说我有bSize矩阵，我想用尽可能少的调用对所有这些矩阵应用卷积掩码masks。
矩阵都是小的，非稀疏的，基于fft的
浏览 3提问于2013-07-27得票数 0
1回答
我有一个n维的三角形稀疏矩阵，其中唯一出现的系数是c_1，c_2，...c_n，在矩阵中单个系数至多有n次重复。有没有办法利用这样一个事实，即矩阵中有许多元素是相同的，并且使用的内存要少得多，而不是将相同的值赋给许多不同的(行、列)，而不是利用许多元素都相同的事实。在这一天结束时，我想将上述矩阵的逆应用于任意向量。
谢谢!
浏览 2提问于2020-05-20得票数 0
在C++ (当然匹配的维数)中，我试图将稀疏矩阵乘以本征中的稠密矩阵。下面这些似乎不起作用。
这是一个MWE：
#include <Eigen/Dense>
#include <Eigen/Sparse>
using namespace Eigen;
int main()
{
SparseMatrix<double> s;
s.resize(3,3);
MatrixXf d(3,3);
MatrixXf d2(3,3);
// gives an err
浏览 1提问于2015-06-23得票数 2
我有一台50x50尺寸的SparseMat A。我有另一个10x10维的矩阵B。我想用B添加A(0~10x0~10)的一个子矩阵。如何提取SparseMat的子矩阵。我确实像在Mat中一样(Range(0，10)，Range(0,10))，错误是“调用一个没有适当运算符()的类类型的对象或将函数转换为指向函数类型的指针”。如何解决这个问题？谢谢
浏览 0提问于2013-04-15得票数 0
回答已采纳
1回答
我觉得应该有一个简单的解决办法，但我找不到：
我有相同维数的稀疏矩阵A B。我想要创建矩阵C，它在A中复制值，其中B不是零。
这是我的方法：
[r,c,v] = find(B);
% now I'd like to create an array of values using indices r and c,
% but this doesn't work (wrong syntax)
v2 = A(r,c);
% This won't work either
idx = find(B); % linear indexing, too high-dimensio
浏览 0提问于2013-06-18得票数 4
回答已采纳
我计划使用Pandas get_dummies()生成一个70000行150000列的大型稀疏矩阵，但是我得到了一个MemoryError。我如何在这个稀疏矩阵上应用PCA来降维？
浏览 1提问于2015-11-06得票数 0
1回答
我想动态改变稀疏矩阵的维数。然而，我关心的是效率。此操作是否将第一个矩阵的所有内容复制到一个更大的矩阵中？在这种情况下，例如将矩阵维数增加100是不是更好？在这种情况下，java文档似乎并没有提到效率。
浏览 4提问于2019-08-04得票数 1
2回答
我必须创建一个非常大的3D矩阵(例如：500000x60x60)。有没有办法在matlab中做到这一点？
当我尝试的时候
omega = zeros(500000,60,60,'single');
我得到一个out-of-memory错误。
稀疏函数是没有选项的，因为它只适用于2D矩阵。那么，对于高维矩阵，有没有什么替代方法呢？
浏览 3提问于2012-09-28得票数 7
回答已采纳
2回答
使用Matrix包，我可以创建一个二维稀疏矩阵。
有人能推荐一个软件包，让我在R中创建多维(特别是3维)稀疏矩阵(数组，从技术上讲是三向张量)吗？
浏览 3提问于2012-12-11得票数 15
我想将不同稀疏矩阵的数组存储到一个矩阵中，如下所示：
A(:,:,1) = sparse([0 0 1; 0 1 0]);
A(:,:,2) = sparse([0 0 1; 0 0 0]);
A(:,:,3) = sparse([1 0 1; 0 0 0]);
A(:,:,4) = sparse([0 0 1; 0 1 0]);
但是，我明白这个错误：
N维索引只允许完全矩阵.
似乎其他人遇到了这个问题：
但是到"bug修复“的链接被破坏了，我不知道如何处理这个问题。我知道我可以使用单元格数组，但我知道它们很慢，我试图避免它们。我想我也可以使用full()命令，但我不确定这是否
浏览 1提问于2016-03-27得票数 1
回答已采纳
1回答
我有n维的m个正方形矩阵。我把所有这些矩阵都保存在这样的数组中。
mybasis = zeros(n,n,m)
每当我想对这些矩阵做一些事情时，我可以简单地用一个for循环来处理：
for i=1:m
B=myBasis(:,:,i);
%do something with B
end
现在我有了m平方稀疏的床垫。我希望将所有的矩阵保存为数组中的稀疏矩阵，这样我就可以轻松地遍历它们。这个是可能的吗？
浏览 3提问于2014-07-24得票数 0
回答已采纳
2回答
假设我有一个巨大的块状矩阵，，，占几十千兆字节。分配这个内存需要不可忽略的时间.
假设我还有一组与numpy矩阵相同维的枕稀疏矩阵。有时，我希望将其中一个稀疏矩阵转换为一个密集矩阵，以执行一些向量化操作。
我是否可以将这些稀疏矩阵中的一个加载到A中，而不是每次我想将稀疏矩阵转换为密集矩阵时重新分配空间？.toarray()方法可以用于枕稀疏矩阵，它似乎没有可选的密集数组参数，但可能还有其他方法。
浏览 0提问于2012-01-27得票数 1
回答已采纳
1回答
如何使TF-国防军矩阵致密？
、、、、
我正在使用将原始文档的集合转换为TF-国防军特性矩阵，然后我计划将其输入到k-means算法(我将实现该算法)。在该算法中，我必须计算质心(文章类别)和数据点(文章)之间的距离。我将使用欧几里德距离，所以我需要这两个实体具有相同的维数，在我的例子中是max_features。以下是我所拥有的：
tfidf = TfidfVectorizer(max_features=10, strip_accents='unicode', analyzer='word', stop_words=stop_words.extra_stopwords, lowercase=True
浏览 2提问于2016-01-31得票数 16
回答已采纳
1回答
我正在寻找一种方法来平移方阵的行。特别是，我的问题是矩阵的维数很大的情况，例如500*500或1000*1000，但我在这里举一个5*5的小例子来说明这一点。假设我们有以下矩阵：
1 2 3 4 5
6 7 8 9 10
11 12 13 14 15
16 17 18 19 20
21 22 23 24 25
我想将得到以下矩阵的行水平移动，并用零填充空单元格：
1 7 13 19 25
2 8 14 20 0
3 9 15 0 0
4
浏览 3提问于2020-01-27得票数 1
回答已采纳
1回答
我想要执行维约减(DR)技术来可视化我的数据，以及它们之间的联系。我正计划使用，但我无法获得如何向TSNE提供输入，因为根据，示例应用程序具有规则矩阵形式的数据。我有大约1200万张记录，有5000多个不同的值，我无法将它们存储到主内存中。我希望执行维数约简(DR)，以便在二维散点图上可视化那些不同的值。我有邻接列表形式的数据(因为它太稀疏)。
比方说，我有以下记录：
2 3 10
4 6
7
7 9 10
2
5 6
这些应该是我的前6张唱片。在这种情况下，我只有10个不同的值。上述矩阵(表)表明，第一记录为2,3，10列为1，而其他列为0(邻接列表)。
这些不同的值映射到文档(记录)中的单
浏览 4提问于2016-04-10得票数 0
回答已采纳
3回答
最近邻搜索非常高维数据
、、、
我有一个庞大的稀疏的用户矩阵和他们喜欢的项目(按100万用户和100K项目的顺序排列，稀疏程度很低)。我正在探索如何在它上执行kNN搜索。考虑到我的数据集的大小和我执行的一些初始测试，我的假设是，我将要使用的方法需要是并行的或分布式的。因此，我正在考虑两类可能的解决方案:一种是在一台多核机器上可用(或以一种相当简单的方式实现)，另一类是作为一个MapReduce程序在星火集群上实现。以下是我考虑过的三大观点：
假设一个余弦相似性度量，通过它的转置(作为外部积之和实现)执行归一化矩阵的完全乘法。
使用局部敏感散列(LSH)
先用PCA降低问题的维数
我希望有任何想法或建议，可能的其他方式，我可以
浏览 0提问于2014-08-14得票数 23
我有一个16000×600的布尔矩阵。我想用Jaccard距离作为度量，从它创建一个距离矩阵。最终矩阵的维数为16000×16000。为此，我使用了。
当我在一段时间后运行我的程序时，程序会抛出此警告，但不会退出。
/usr/lib/python2.7/dist-packages/scipy/spatial/distance.py:386: RuntimeWarning: invalid value encountered in double_scalars
return (np.double(np.bitwise_and((u != v), np.bitwise_or(u != 0, v !
浏览 3提问于2014-07-06得票数 0
我有一个由53个不同(40000×2000)稀疏矩阵组成的单元格数组。我需要取第三维空间的平均值，例如，在53个单元中，元素(2,5)的平均值。这将产生一个单一产出(33,000 x 2016)。我认为应该有一种方法可以用cellfun()来实现这一点，但我无法编写一个跨单元格的函数，该函数可以在相同的单元内索引上工作。
浏览 9提问于2014-04-28得票数 1
回答已采纳
3回答
图的实现与邻接矩阵的初始化
、、、、
图通常用邻接矩阵表示。不同的来源表明，有可能避免初始化的代价为{V^2} (V是顶点的数目)，但我是否还不知道如何进行初始化。
在Java中，只需声明矩阵(例如boolean adj [][] )，运行时将使用false自动初始化数组，这将以O(V^2)代价(数组的维数)为代价。
我误解了吗？是否可以避免初始化邻接矩阵的二次代价，或者这仅仅是取决于实现语言的理论问题？
浏览 6提问于2012-05-13得票数 4
我在30000x30000周围有一个非常高维的稀疏矩阵A。我的等式是这样的：
Ax=b.
我不能取A的倒数，那么我如何在matlab中求解x的值呢？
浏览 0提问于2012-03-24得票数 0
回答已采纳
1回答
据我所知，在数学中使用的二维矩阵可以使用二维数组在Java中创建。当然，你可以用真实的数学矩阵来做一些事情，比如加减它们。但是，使用Java，您需要编写代码才能做到这一点，并且有一些库可以提供该功能。
不过，我想知道的是，Java数组是否是处理矩阵数据的最佳方法。我可以想到这样的情况: 2d矩阵中有一些索引被填充，而由于数据的性质，许多索引都是空白的。对我来说，这是否是浪费内存空间的问题，特别是如果矩阵非常大，并且有大量的空索引。
专门的Java数学库是否以不同的方式处理矩阵，而不依赖于2d数组？或者他们也使用一个普通的Java数组，而只是生活在浪费的内存中？
浏览 0提问于2018-10-30得票数 2
回答已采纳
1回答
我要做这样的评估
D=跟踪(ABC)
A和C是不变的常数矩阵。矩阵一直在变化。我想要的是找到一种方法来存储来自A和C的一些值，这样我就不必一直计算乘积ABC。B会发生变化，我会使用B的元素和AC的缓存版本的乘积，或者类似的东西。
我知道trace(ABC) = trace(BCA)，所以我可以预计算出乘积CA，但是CA的维数非常高，所以它不适合放在内存中。因此，我不能这样做。ABC被证明是低维的，所以它很好。
C is of size 40000x10 and dense
B of size 80000x40000 but B is sparse so it is fine
A is of
浏览 1提问于2014-03-19得票数 4
1回答
填充稀疏矩阵并行
、、、、
我有一个来自Extreme.Mathematics.LinearAlgebra的稀疏矩阵，如：
SparseMatrix<double> J = Matrix.CreateSparse<double>(amountI, amountJ);
现在我想在一个并行循环中填充它，因为在并行中填充它要快得多。
Parallel.For(0, amountI, i =>
{
for (int j = 0; j < amountJ; j++)
J[i, j] = random.Next();
});
这给了我错误:超出范围的异常。
然而，对于一个普
浏览 4提问于2020-03-11得票数 0
1回答
我使用python中的稀疏库创建了一个5维的稀疏矩阵，我的代码看起来与文档类似：
import sparse
coords = [[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4]]
data = [10, 20, 30, 40, 50]
s = sparse.COO(coords, data, shape=(5, 5))
我想保存这个矩阵，这样我以后就可以用下面这样的东西加载它：
sp.save_npz("filename.npz", s)
与sparse包中的save_npz (在scipy中)等效的功能是什么？
浏览 11提问于2019-08-13得票数 1
回答已采纳
2回答
我正在处理一个大型稀疏矩阵，但为了简单起见，我编写了如下所示：
row = [1,3];
col = [1,3];
val = [22,33];
B = sparse(row,col,val,3,3)
22 0 0
0 0 0
0 0 33
这个矩阵是奇异的，并且没有一个逆，我可以用它来解决以下问题：
[A]=[B][C] => [B]\[A] = [C].
为了弥补这一点，需要删除所有只包含零的行和列。因此，在上面的示例中，在创建稀疏矩阵之前，我将删除第2行和第2列。
但是，如果我尝试这样做，由行和集合向量(3,3)所描述的索引将指
浏览 2提问于2016-12-05得票数 0
回答已采纳
1回答
我正在尝试构建我的第一个推荐系统，在这里我创建了一个用户特性空间，然后将它们聚集到不同的组中。然后，对于为特定用户工作的建议，首先找出用户所属的集群，然后推荐他/她最近的邻居感兴趣的实体(项)。我正在处理的数据是高维和稀疏的。在实施上述方法之前，几乎没有问题，这些问题的答案可能有助于我采用更好的方法。
由于我的数据是高维和稀疏的，我是进行维数约简，然后应用聚类，还是应该采用类似球形K-均值的算法来处理稀疏高维数据？
在创建用户集群之后，我应该如何找到最近的邻居。(当我读到欧几里得距离不是高维数据的一个很好的度量时，我应该使用哪一种距离度量)？
浏览 2提问于2016-02-18得票数 2
2回答
我想用python做一个稀疏矩阵。我将非零元素的索引和值作为字典，即：
{((1,3),0.0001),(10,4),0.0212)...}
这意味着元素(1,3)的值是0.0001, (10,4)，是0.0212，等等，其余的都是零。
我想知道是否有任何有效的方法来形成这样一个稀疏矩阵，因为数据量是巨大的。矩阵的总维数是2,000 X 2,000,000，只有矩阵的8,000,000有值，其余的都是零。
谢谢，阿米尔
浏览 0提问于2014-03-31得票数 3
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
