我没有足够的内存将整个稀疏矩阵列表转换为numpy 2d数组,然后再将其转换为稀疏矩阵。回归器将接受以下内容: X = sparse.csr_matrix( my_2D_Numpy_Matrix ) 它不接受(这只是一个例子): X = []
for i in range(my_2D_Numpy_Matrix.shape
我有一个以稀疏矩阵的scipy.sparse格式之一存储的数据矩阵,以及一堆我需要预测的结果。基本上,我想为每个结果拟合一个线性模型。由于数据集非常大(数万),因此我使用SGDRegressor进行此操作。现在,我有了我的特征矩阵:Out[62]:
<77946x72239 sparse matrix of type '<type 'numpy.float64'>'
我使用Python、Numpy和Scipy包来进行矩阵计算。我试图执行计算X.transpose() * W * X,其中X是2x3稠密矩阵,W是稀疏对角线矩阵。X.transpose和稀疏矩阵W的乘积。我所知道的一种方法是在右边不接受稀疏矩阵。must be called with csr_matrix instance as first argument (got ndarray instance instead)
是否有一种方法