1回答
我有一个独特的情况，我需要从DenseVector转到稀疏向量列。有了DenseVector列之后，我需要将它转换回SparseVector列以联合我的数据。features'],outputCol='features')不支持数据类型struct<type:tinyint、大小:int、索引:数组、列功能的
浏览 12提问于2020-02-07得票数 0
回答已采纳
1回答
我正在尝试实现本文中的两个稀疏矩阵相乘的算法： (第一个算法- 1D算法)。
困扰我的是，我不确定SPA (稀疏累加器)到底是什么。我做了一些研究，我得出的结论是，SPA表示稀疏矩阵的??????行/列(我对这部分不太确定)，它由一个具有非零值的密集向量组成，一个非零元素的索引列表(为什么是列表？)以及一个布尔密向量，该向量由“已占用”标志组成(如果在第第?个索引上的有效行/列中的元素在该位置上不为零，则在该索引上
浏览 16提问于2021-02-27得票数 2
回答已采纳
我目前正在将一组列转换为一列向量，然后使用StandardScaler函数将缩放应用于所包含的特性。编辑：我决定只使用一个UDF函数，它将稀疏向量转化为密集向量。有点傻但很管用。
浏览 6提问于2016-03-07得票数 9
回答已采纳
我正在运行一个稀疏矩阵，密集向量乘法，并且变化。
在增加每次运行的稀疏性的同时，我减少了列。如果我正确理解代码，它会循环遍历稀疏矩阵()的所有nnz值。对于每个nnz值，它循环遍历第二个密集矩阵的所有列(在我的例子中，它只是一个列，因为
浏览 2提问于2016-08-25得票数 4
回答已采纳
我有一个稀疏的向量列，我通过UDF将它转换成密集向量。我想将向量值的类型从float32转换为float64 (PySpark稠密向量标准dtype是float64)。
浏览 4提问于2022-07-12得票数 -1
我有一个稀疏的988x1向量(csr_matrix中的列)是通过scipy.sparse创建的。有没有一种方法可以在不将稀疏矩阵转换为稠密矩阵的情况下获得其均值和标准差？numpy.mean似乎只适用于密集向量。
浏览 0提问于2013-03-29得票数 8
回答已采纳
1回答
堆积稀疏稠密矩阵
、、、、
是否有可能在python中堆叠稀疏和密集的numpy数组？我知道，对于密集的numpy数组，可以使用v堆栈/h堆栈来实现这一点。为了增加特征向量的数量，我想将一些列添加到稀疏矩阵中。
浏览 1提问于2013-08-24得票数 6
回答已采纳
1回答
我和有不同的稀疏矩阵，我试图用行划分将稀疏矩阵与密集向量相乘，其大小分别为N和Nx1。我将测试我的并行MPI程序的进程数为1,2,4,8,16。算法是这样的；
我不知道如何
浏览 1提问于2019-05-10得票数 0
回答已采纳
F是CSR稀疏矩阵。 (0, 1) -9.21359549996 (7, 7) 30.90096630010.01767905 -0.06140939]
为什么即使F和C都是稀疏矩阵，输出也是向量？Scipy参考指南说：“如果C是一个<
浏览 1提问于2014-02-02得票数 0
使用cuSPARSE可以添加稀疏矩阵和稠密矩阵吗？在cuBLAS中，我只是把矩阵当作向量来处理，然后使用axpy。cuSPARSE确实有用于稀疏/密集向量的axpy，但由于稀疏向量和矩阵具有不同的存储结构，因此不能用于矩阵。
浏览 2提问于2015-09-21得票数 1
回答已采纳
1回答
稀疏向量与密集向量PySpark
、、、、
我如何知道是否应该在PySpark中使用稀疏或密集的表示？我理解它们之间的区别(稀疏只通过存储非零的索引和值来节省内存)，但是从性能上讲，有什么通用的启发式方法来描述什么时候使用稀疏向量而不是密集的向量呢？是否有一个一般的“截止”维数和0的百分比值，超过这通常是更好地使用稀疏向量？若否，我应如何作出决定？谢谢。
浏览 2提问于2018-07-17得票数 4
回答已采纳
1回答
我的一般理解是，当大多数元素为0时使用稀疏向量，当很少元素为0时使用密集向量。稀疏向量易于压缩。
为什么我们必须将下面的向量定义为密集向量？在每个向量中只有3个元素的情况下，定义稠密向量有什么帮助。为什么我们不能把它们当作向量呢？
浏览 2提问于2016-04-10得票数 0
回答已采纳
1回答
我使用的是Python 3.23，我想把一个稀疏的向量和一个密集的矩阵相乘。首先将稀疏向量展开为密集向量，然后进行乘法，这种想法从任何角度来看都是愚蠢的，除非是mem管理，直到实际展开。另外，有没有人知道让SciPy将一维矩阵保持在稀疏模式的好方法？我唯一使用过的(诚然)是三个向量(x，y，值)的经典表示法，所以我不得不使用np.ones(len(...))才能让它正常工作。
浏览 1提问于2012-11-01得票数 0
回答已采纳
2回答
我有一些基本的特征，我用一个热向量编码。我看到conv网被应用到一个密集的特征向量上。
将conv网应用于稀疏特征向量有问题吗？
浏览 0提问于2015-05-18得票数 6
回答已采纳
因此，我需要向量化关键字和摘录字段，然后压缩它们，这样我们就有了每一个唯一的文档一行。只使用关键字作为我要做的事情的例子--我应用了Tokenizer、StopWordsRemover和CountVectorizer，然后输出一个稀疏矩阵，并得到计数矢量化的结果。一个稀疏向量可能类似于: sparseVector(158，{7: 1.0，65: 1.0，78: 2.0,110: 1.0,155: 3.0})
将稀疏向量转换为密集向量<
浏览 2提问于2016-10-27得票数 7
回答已采纳
-------+| (4,[1],[3.0])|+------------------+
为什么当我改变列，
浏览 2提问于2020-06-03得票数 2
回答已采纳
1回答
当我试图在scala中组装一个数据格式(一些列包含null值)时，我面临着一个问题。不幸的是，vectorAssembler无法处理null值。我能做的就是替换或填充dataframe的null值，然后创建一个dense向量，但这不是我想要的。编辑:实际上，我不需要稀疏向量中的null，但是它不应该是像0或任何其他值一样的值，就像
浏览 0提问于2017-04-05得票数 1
回答已采纳
2回答
如何创建SparseVector和密集向量表示denseV = np.array([0., 3., 0., 4.])
稀疏向量表示是什么？
浏览 5提问于2015-07-21得票数 22
回答已采纳
关于培训LDA：
当我们试图实现LDA时，我们需要构造一个单词-文档矩阵，但是这个矩阵是稀疏的数据，因为我们的令牌字典非常大(大约百万字)，而且文档有一小组令牌(~ 1000 - 10000字)，所以在但在向模型提供新文档之前，我们需要将其转换为单词向量，其向量长度将是我们的字典长度(数百万字)。因此，它将有许多零值，实际上，我们的成本时间是由向量长度增加的。
浏览 3提问于2017-09-26得票数 1
回答已采纳
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
云直播活动推荐
腾讯云开发者
