如何在python中实现稀疏矩阵
在Python中实现稀疏矩阵可以使用多种方法，以下是其中两种常见的方法：
- 利用字典实现稀疏矩阵： 稀疏矩阵是指矩阵中大部分元素为0的矩阵。在Python中，可以使用字典来表示稀疏矩阵，其中字典的键表示矩阵中的非零元素的坐标，值表示对应的非零元素的值。
- 利用字典实现稀疏矩阵： 稀疏矩阵是指矩阵中大部分元素为0的矩阵。在Python中，可以使用字典来表示稀疏矩阵，其中字典的键表示矩阵中的非零元素的坐标，值表示对应的非零元素的值。
- 这样可以将稀疏矩阵表示为一个字典，其中键是非零元素的坐标，值是对应的非零元素的值。这种方法适用于矩阵中非零元素较少的情况。
- 使用稀疏矩阵库实现稀疏矩阵： 除了自己实现稀疏矩阵，还可以使用一些第三方库来处理稀疏矩阵，例如scipy库中的sparse模块。该模块提供了多种稀疏矩阵的表示方式和相应的操作方法。
- 使用稀疏矩阵库实现稀疏矩阵： 除了自己实现稀疏矩阵，还可以使用一些第三方库来处理稀疏矩阵，例如scipy库中的sparse模块。该模块提供了多种稀疏矩阵的表示方式和相应的操作方法。
- 这里使用了csr_matrix方法将普通矩阵转换为压缩稀疏行（Compressed Sparse Row）格式的稀疏矩阵。这种方法适用于矩阵中非零元素较多的情况。
以上是两种常见的在Python中实现稀疏矩阵的方法。具体选择哪种方法取决于稀疏矩阵的特点和具体需求。腾讯云没有直接相关的产品和产品介绍链接地址。
相关·内容
3回答
我正在尝试使用sklearn库在Python语言中将信号分解成大型稀疏矩阵中的组件(矩阵分解)。
我利用scipy的scipy.sparse.csc_matrix来构建我的数据矩阵。然而，我不能进行任何分析，比如因子分析或独立成分分析。我唯一能做的就是使用truncatedSVD或scipy的scipy.sparse.linalg.svds来执行主成分分析。
有没有人知道在python中对稀疏矩阵进行ICA或FA的解决方法？任何帮助都将不胜感激！谢谢。
浏览 1提问于2015-04-29得票数 2
我的数据旁边有一个稀疏矩阵。我认为这些数据可能是有益的，但是因为它在通常的使用中是稀疏的，是无用的。有什么方法可以对它进行转换吗？例如，PCA，你有什么经验吗？
附加细节：
我致力于从Kaggle.com的巨大竞争，我增加国籍(基本名称功能)的数据。我的国籍类似于：“北欧，斯堪的纳维亚，挪威”，所以我把它转换成虚拟变量，但是我有一个稀疏矩阵。
我认为通常的稀疏矩阵对分类没有帮助，我们应该对它进行变换。(？这是真的吗？)
我想在某种程度上我应该合并我的特征，以减少稀疏性。
浏览 0提问于2018-08-05得票数 2
1回答
Python上的大型稀疏矩阵反演
、、、、
目前，我正在使用Python上的最小二乘算法，用于一些大地测量计算。
我选择了Python (它不是最快的)，它运行得很好。但是，在我的代码中，我有大型稀疏对称(非正定)矩阵的反转，所以不能使用Cholesky矩阵来执行(下面的图像)。现在使用np.linalg.inv()，它使用LU分解方法。
我非常肯定，在快速性方面会有一些优化。
我想到了Cuthill，然后用它的逆值来计算矩阵。你有什么想法或建议吗？
非常感谢你的回答！
浏览 40提问于2022-09-09得票数 0
2回答
我有一个很大(500k X 500k)的稀疏矩阵。我想知道它的主要组成部分(实际上，即使只计算最大的PC也可以)。随机化的PCA效果很好，除了它本质上是寻找协方差矩阵的特征向量，而不是相关矩阵。使用大型稀疏矩阵的协方差矩阵找到PCA的软件包有什么想法吗？最好是在python中，尽管matlab和R也可以工作。
(作为参考，向提出了类似的问题，但方法涉及协方差矩阵)。
浏览 1提问于2012-11-28得票数 3
1回答
我正在尝试使用Kaggle数据集来学习ML。在其中一个问题中(用Logistic回归)，输入矩阵和参数矩阵的大小分别为(1110001，8)和(2122640，8)。
在python中执行时，我会得到内存错误。我想任何语言都是一样的，因为它太大了。我的问题是，它们是如何在现实的ML实现中乘以矩阵的(因为它通常是这么大的)？
困扰我的事情：
因此，有些ppl建议计算各部分的点积，然后进行组合。但是即使如此，矩阵对于RAM来说还是太大了(9.42TB？(在这种情况下)
如果我把它写到一个文件中，那么优化算法从文件中读取和最小化函数是不是太慢了？
即使我把它写成文件，fm
浏览 0提问于2018-07-06得票数 0
回答已采纳
我在Python中有一个稀疏矩阵A，我想将14添加到第一列中。
A[:,0] + 14
但是，我收到一条错误消息：
NotImplementedError: adding a nonzero scalar to a sparse matrix is not supported
浏览 0提问于2018-06-19得票数 2
回答已采纳
1回答
numpy中稀疏矩阵的中位数
、、、、
在python中获得sparse.csr_matrix矩阵的中值(沿着行和列)的最佳方法是什么？
PS：没有中位数的任何功能
浏览 0提问于2017-10-18得票数 0
为了一个目标，我试图计算稀疏矩阵和稠密矩阵的MultiHead注意矩阵。我知道默认情况下，需要两个密集矩阵，然后在使用Vaswani集的查询、键和值进行Softmax操作后返回注意值。一篇文章“关注是你所需要的”。
但是，我有一个用例，其中我有一个稀疏和密集的矩阵，我希望将它们分别作为查询和值传递到MultiHead注意层。
默认情况下，不支持，转换为密集和返回不是一个选项，因为时间复杂性增长了很多。有没有任何方法可以覆盖与稀疏密集组合不兼容的内部应用程序，或者用诸如sparse_dense_matmul这样的混合API来代替它们来进行注意力计算？尽管如此，指出，对于sparse_dense_
浏览 7提问于2022-07-08得票数 0
我在Matlab中有一个矩阵问题。
我有一个一百万x一百万的稀疏矩阵，而且我一直在使用null。通常，问题是我耗尽了内存。我尝试过svds (用于稀疏矩阵的svd )，但我的问题是内存也用完了。对于Matlab中的null()函数的大型稀疏矩阵，有没有可能的变通方法？
浏览 2提问于2015-11-05得票数 0
我正在使用python中的大型稀疏矩阵(从文本生成的文档特征矩阵)。这需要相当多的处理时间和内存来处理这些，我想稀疏矩阵可以提供一些改进。但我担心使用稀疏矩阵库会使插入其他python (和R，通过rpy2)模块变得更加困难。
已经跨过这座桥的人能提供一些建议吗？在python/R中使用稀疏矩阵在性能、可伸缩性和兼容性方面有什么优缺点？
浏览 5提问于2011-04-22得票数 8
回答已采纳
3回答
使用稀疏矩阵与numpy数组
、、、、
我用Python创建了一些带有字计数的numpy数组:行是文档，列是单词X的计数。如果我有大量的零计数，人们建议在进一步处理这些数组时使用稀疏矩阵，例如在分类器中。然而，当向Scikit 中输入numpy数组与稀疏矩阵时，它似乎没有多大区别。所以我想知道三件事：
说
稀疏矩阵是大多数元素为零的矩阵。
这是否是确定何时使用稀疏矩阵格式的适当方法--只要> 50 %的值为零？还是说以防万一才有意义呢？
稀疏矩阵对像我这样的任务的性能有多大的帮助，特别是与numpy数组或标准列表相比？
到目前为止，我将数据收集到一个numpy数组中，然后转换为csr_matrix in 。
浏览 5提问于2016-05-01得票数 46
回答已采纳
我有一个密集矩阵A，如A= np.random.rand(100,100)，我需要创建一个稀疏矩阵(块反对角矩阵)作为
(0A)(A^t0)
为了使它是对称的，所以我可以用eigsh得到一些特征值和特征向量。
有人能在python中提供一些代码片段吗？非常感谢!
浏览 5提问于2022-07-22得票数 -1
3回答
矩阵正定和病态的迭代线性解法
、、、、
这个问题我需要一些帮助。
我想解决Ax = b，
A is n x n (square matrix), b is n x 1 matrix在哪里。
但是A矩阵具有这样的性质：+ Ill条件(K，>> 1) (可能大于10 ^ 8) +对称正定(因为它是协方差矩阵)
我已经尝试过Jacobi方法，但不幸的是，收敛速度非常慢。我避免使用Cholesky分解。
我已经尝试了共轭梯度，但不幸的是，如果矩阵A的条件数太大，它就不能收敛。
更新:我需要一个可以在并行框架中运行的方法(比如MPI)。所以在目前的迭代中，我不能使用需要xi的高斯-塞达尔。
我能用什么样的方法来解决这种问题呢？谢谢
浏览 4提问于2013-08-05得票数 4
回答已采纳
2回答
我在使用COO稀疏矩阵作为亲和传播的输入时遇到了问题，但是对于numpy数组来说，它工作得非常好。
举个例子，假设我的相似矩阵是：
[[1.0, 0.9, 0.2]
[0.9, 1.0, 0.0]
[0.2, 0.0, 1.0]]
Numpy矩阵版本
import numpy as np
import sklearn.cluster
simnp = np.array([[1,0.9,0.2],[0.9,1,0],[0.2,0,1]])
affprop = sklearn.cluster.AffinityPropagation(affinity="precomputed")
浏览 0提问于2016-03-03得票数 1
回答已采纳
2回答
大型稀疏矩阵分解
、、、、
我如何在一个非常稀疏的维数矩阵上运行svd和nmf，例如，70000 x 70000？此矩阵的稀疏版本可以存储为磁盘上小于700 m的二进制文件。我是否可以将其分解为稀疏格式(比如磁盘上的文件或内存中的可存储文件)，而不需要重构整个矩阵，这将不可能存储在内存中(甚至很难存储在磁盘上)？
我知道R中有irlba，python中有sklearn和pymf。但他们似乎需要重建矩阵？svd的问题是，我不能保存矩阵S、V和D，但如果我指定一个K，只保存与k-最大特征值对应的矩阵S_k、V_k和D_k，又该怎么办？至于nmf，我想将它分解为秩= 100的W，它可以存储在内存中。
如果有特定的方法，那么计算
浏览 12提问于2015-01-03得票数 2
1回答
我在python中工作，用的是大小为n的稀疏矩阵A，我使用的是csr_matrix格式，我把矩阵包装成线性算子，这样我就可以使用slinalg包了。
我需要计算A^T*A积。然而，我无法设法找到适当的例程来实现这一点。我可以使用线性算子的matmat函数，但这要求我将矩阵转换为密集格式。
在python中(即使有不同的包)，我如何在不转换为密集矩阵的情况下，将两个稀疏矩阵相乘呢？我的矩阵很大，由于内存需求，转换会导致崩溃。
浏览 4提问于2020-08-16得票数 0
回答已采纳
3回答
我现在想用它的转置来乘一个大型稀疏矩阵(~1M×200 k)。结果矩阵的值将以浮点数表示。
我试着将矩阵加载到枕的稀疏矩阵中，并将第一矩阵的每一行与第二矩阵相乘。乘法用了2小时才完成。
实现这种乘法的有效方法是什么？因为我在计算中看到了一个模式。
矩阵大而稀疏。
矩阵的乘法及其转置。因此，得到的矩阵是对称的。
我想知道哪些库可以更快地实现计算。它可以是Python、R、C、C++或任何其他语言。
浏览 7提问于2014-07-04得票数 10
回答已采纳
我们需要用一维向量来乘一个大矩阵。大矩阵是稀疏的。在第二个场景中，我们需要乘两个大型矩阵，它们都是稀疏的。在第三种情况下，我们需要乘两个大矩阵，它们都是稠密的。
Apache似乎为矩阵(包括稀疏矩阵的专用数据类型)提供了内置的数据类型，并为矩阵线性代数(乘法、加法、换位等)提供了一组非常丰富的库。
在上述三种情况下，如何在Google上高效地进行矩阵乘法(或矩阵的其他线性代数运算)？
浏览 0提问于2016-03-23得票数 1
6回答
我有两个大小为100000 x 100000的sq矩阵(a，b)。我必须求这两个矩阵的差(c = a-b)。结果矩阵'c‘是一个稀疏矩阵。我想找出所有非零元素的索引。我必须多次执行此操作(>100)。
最简单的方法是使用两个for循环。但这是计算密集型的。你能告诉我任何算法或包/库，最好是在R/python/c中尽可能快地做到这一点吗？
浏览 2提问于2011-09-09得票数 6
回答已采纳
2回答
我正在尝试将主成分分析应用于巨大的稀疏矩阵，在下面的链接中它说sklearn的randomizedPCA可以处理scipy稀疏格式的稀疏矩阵。
然而，我总是得到错误。有人能指出我做错了什么吗？
输入矩阵'X_train‘包含float64格式的数字：
>>>type(X_train)
<class 'scipy.sparse.csr.csr_matrix'>
>>>X_train.shape
(2365436, 1617899)
>>>X_train.ndim
2
>>>X_train
浏览 1提问于2015-11-09得票数 19
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
1回答
假设A、B和C是任何格式的稀疏矩阵。我想知道如何只对C中的非零元素有效地计算它们的点积。
它等于
prod = A.dot(B)
prod[C == 0] = 0
用于Python中的稠密矩阵。但这段代码效率极低。
你能给我点建议吗？记忆不重要。
浏览 0提问于2018-04-17得票数 0
回答已采纳
我正在寻找一个C/C++接口，用于在Linux中高效地计算巨大的稀疏矩阵。矩阵可以是数百万倍、数百万/数千倍。我检查了一些现有的库，但它们似乎都不能满足我的所有需求。
1，我需要通过动态添加元素来创建一个稀疏矩阵。(不适用于SparseLib++)
2，我还需要能够创建一个稀疏对角矩阵，以便我可以用不同的标量缩放另一个稀疏矩阵的列。(没有找到用于此的库，也许还有另一种方法可以按列缩放稀疏矩阵)
3、需要支持矩阵乘以矩阵/向量的运算(很多库都支持这些基本运算)
4，它需要支持两个稀疏矩阵或向量之间的逐项乘法或除法，比如.*或./在MATLAB中(我没有找到这样的库，我需要这个操作来筛选出一个稀疏
浏览 0提问于2010-12-11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
我试图对一组数据点进行聚类，这些数据点表示为稀疏的枕矩阵，即，
>>> print type(X)
<class 'scipy.sparse.csr.csr_matrix'>
>>> print X.shape
(57, 1038)
>>> print X[0]
(0, 223) 0.471313296962
(0, 420) 0.621222153695
(0, 1030) 0.442688836467
(0, 124) 0.442688836467
但是，当我将这个矩阵输
浏览 0提问于2013-11-14得票数 0
回答已采纳
1回答
我尝试在Python中执行以下数组减法： import numpy as np
from scipy.sparse import csr_matrix
a = np.array([[1, 2], [3, 4]])
b = a[:, None] - a[None, :]
sum_ = np.sum(b, axis=-1)
print(sum_) 上面的方法似乎是可行的。但是，如果我将上面的数组a更改为稀疏矩阵： a = csr_matrix(a) 如果正确执行上面的步骤，我会得到一个错误： IndexError: Index dimension must be <= 2 有什么办法解
浏览 52提问于2020-04-18得票数 0
我正在尝试用python库分解非常大的矩阵。由于矩阵太大了，我无法在内存中以登斯格式实例化它，所以我改用。
这个库有一个叫做的稀疏矩阵函数，这似乎就是我要找的。
当我尝试它时，我遇到了严重的分解性能问题(不是内存表示，而是速度)，我还不能分解一个简单的10 x 95稀疏矩阵。
下面是我构建测试矩阵的方法：
m1 = lil_matrix((10, 95))
for i in xrange(10):
for j in xrange(95):
if random.random() > 0.8: m1[i, j] = 1
m1 = csc_matrix(m1)
这就是我
浏览 0提问于2013-05-25得票数 3
1回答
如何在教学中实施ILU前置器？
、、、、
对于scipy.sparse.linalg中的迭代求解器(如bicg、gmres等)，可以为矩阵A添加预条件器。然而，并不是很清楚我应该给什么作为预条件。如果我使用ilu = sp.sparse.linalg.spilu(A)，ilu不是任何矩阵，而是包含许多东西的对象。
有人问了一个类似的问题，用于Python2.7，但我不为自己工作(Python3.7，枕1.1.0版)
那么，我的问题是，如何将不完全LU预条件用于这些迭代算法？
浏览 2提问于2019-11-16得票数 2
回答已采纳
2回答
Sage中的稀疏矩阵
、、、
所以我有一个非常大的矩阵，n= 70.000，充满了RDF。对于正常矩阵，这当然是不可能的。所以我想使用某种形式的稀疏矩阵，矩阵列中的元素在很多情况下都是0，或者所有相同的低RDF。 例如： 0 | 0.1 | 0.2 | 0
0 | 0.1 | 0.2 | 0.1
0.1 | 0 | 0 | 0.1
0 | 0.1 | 0.2 | 0 在此示例中，第一列具有3乘以0，第二列为3乘以0.1，... 如何在Sage/Python中初始化这样的矩阵？
浏览 13提问于2019-04-21得票数 0
2回答
我有一个矩阵A (有多少故事是这样开始的？)那太少了。
[
[0, 0, 0, 1.2, 0]
[0, 0, 0, 0, 0]
[3.5, 0, 0, 0, 0]
[0 7, 0, 0, 0]
]
我希望使用ZeroMQ在进程之间来回发送这种变体。假设客户端和服务器使用不同的语言，没有通用的序列化格式。以下是一些任务。
创建A。这是复杂的，因为需要发送矩阵的“框架”，这里是(4,5)。
将A[4,2]从7更新到6。
取一个稀疏向量v=[0,0,3.1,0,0]，用A乘以它，得到结果。
有人告诉我，发送字节流可能是最好的解决方案，但我找不到不同库之间
浏览 4提问于2017-08-20得票数 2
回答已采纳
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
2回答
我有一个非常稀疏的Perl矩阵(数组的数组)，其中undef的值等于零。它有10-1000行，最多100k列。看起来是这样的：
$ARRAY1 = [
[
( undef ) x 1069,
1,
( undef ) x 47,
1,
( undef ) x 11,
2,
( undef ) x 50,
1,
( unde
浏览 1提问于2010-11-05得票数 3
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
我是Python新手，您能帮我介绍一些基本的稀疏矩阵操作吗：
如何从稀疏矩阵中提取密集行向量而不预先使整个矩阵密集？coo_matrix.getrow()只返回稀疏表示。
如何从稀疏矩阵中随机抽取行的比例(例如，80%)？我需要用它们作为训练数据，剩下的比例作为测试数据。
提前感谢！
浏览 3提问于2013-04-28得票数 1
回答已采纳
2回答
我在python中有一个简单的“矩阵”，我想对其进行稀疏处理： np.array([[5.72756493, 0. , 0. ],
[2.86378246, 4.96021673, 0. ],
[5.72756493, 3.30681115, 2.33826859]]) 我想将其简化为以下形式： np.array([[5.72756493, 0. , 0. ],
[2.86378246, 4.96021673, 0. ],
[0.
浏览 50提问于2019-09-17得票数 0
回答已采纳
我正在尝试在sparse matrix (class sp_mat)的上下文中使用armadillo的find operator。
它在完整矩阵的上下文中工作得很好；但在稀疏矩阵(以下示例中的d1)中工作。
mat A = randu<mat>(5,5);
mat B = randu<mat>(5,5);
uvec q2 = find(A != 0.5);
uvec q1 = find(d1 != -0.5); // d1 is a sparse matrix;
浏览 0提问于2015-02-04得票数 1
1回答
张量核可以通过CUDA中的WMMA接口编程访问(请参阅和)。最近，在安培卡片的生成中，Nvidia宣布了用稀疏矩阵执行稀疏张量运算的能力，如下所示：
所显示的格式似乎是在四个元素段(2位索引)内采用成对的元素及其顺序。但是，看看，我找不到任何关于这个，或者如何访问那些特殊的张量核心操作的东西。无论是AFAICT还是AFAICT，该功能的公告页面都没有说明这一点。
如何访问cuda中的稀疏张量核心功能？
浏览 37提问于2022-10-10得票数 2
回答已采纳
2回答
这项任务在NumPy中非常简单，如下所示
import numpy as np
a= np.array([[1,2,3,0,9],[3,2,6,2,7],[0,0,0,8,0],[1,0,0,0,3]])
a + a[1]
输出：
array([[ 4, 4, 9, 2, 16],
[ 6, 4, 12, 4, 14],
[ 3, 2, 6, 10, 7],
[ 4, 2, 6, 2, 10]])
看看矢量维度是如何自动传播到矩阵的每一行的。
但是当涉及到稀疏矩阵时，存在维度不匹配错误。
from scipy.sparse im
浏览 0提问于2017-07-12得票数 1
1回答
我在R中有一个非常大且稀疏的矩阵，它是用“矩阵”包创建的，我想在python + numpy中处理。R对象是csc格式，如果我使用矩阵包中的函数writeMM导出它，输出如下所示：
%%MatrixMarket matrix coordinate real general
4589 17366 160441
22 1 5.954510725783322
36 1 29.77255362891661
41 1 23.81804290313329
74 1 5.954510725783322
116 1 59.54510725783322
127 1 11.909021451566645
159
浏览 5提问于2015-07-23得票数 1
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
1回答
稀疏矩阵的内部处理
、、、、
我一直在比较Python和R的几个PCA实现的性能，并注意到一个有趣的行为：
虽然用Python计算稀疏矩阵的PCA似乎是不可能的(唯一的方法是 TruncatedSVD，但它不支持以均值为中心的计算方法，这就需要与PCA的协方差解等价)。他们的论点是，它会破坏矩阵的稀疏性。其他实现，如Facebook的PCA算法或scikit学习中的PCA/随机PCA方法，由于类似的原因不支持稀疏矩阵。
虽然所有这些对我来说都有意义，但一些R包，如、rsvd等，能够处理稀疏矩阵(例如，使用rsparsematrix生成的矩阵)，甚至允许特定的center=True参数。
我的问题是，R是如何在内部处理这个问
浏览 2提问于2018-06-14得票数 28
回答已采纳
1回答
稀疏矩阵乘法的最佳包
、、、、
我正在寻找最好的包稀疏矩阵乘法上的单核解。我不寻找CUDA，MPI或OpenMP解决方案。
我更喜欢按递减顺序排列的语言: Matlab、Python、C/C++。
Matlab有自己的矩阵乘法函数，可用于稀疏矩阵乘法。有更好的套餐吗？
我必须乘两个大矩阵，它们是稀疏格式的。
一个矩阵是677000乘48000，另一个矩阵是48000乘8192.这里，n-by-d表示行的n：#，列的d：#。
浏览 0提问于2013-08-23得票数 2
回答已采纳
1回答
我在python中比较矩阵的一行的读取时间，首先是密集格式，然后是稀疏格式。 从密集矩阵中“提取”一行大约需要3.6e-05秒 对于稀疏格式，我同时尝试了csr_mtrix和lil_matrix，但这两种格式的行读数都花费了大约1-e04秒 我希望稀疏格式能提供最好的性能，有人能帮我理解这一点吗？
浏览 20提问于2020-11-11得票数 1
我正在使用python、sklearn和numpy，我正在创建以下稀疏矩阵：
feats = tfidf_vect.fit_transform(np.asarray(tweets))
print(feats)
feats=np.log(np.asarray(feats))
但是，当我应用日志时，我会得到以下错误：
Traceback (most recent call last):
File "src/ef_tfidf.py", line 100, in <module>
feats=np.log(np.asarray(f
浏览 2提问于2015-12-03得票数 0
回答已采纳
1回答
稀疏矩阵商的确定
、、、、
我希望在python2.7中划分两个稀疏矩阵，本质上是k = numerator / denominator，其结果是sp.csr_matrix类型的稀疏矩阵。我正在使用scipy as sp和numpy as np。
为了做到这一点，我遵循取分子的点积和分母的逆的线性格式。这两个项目都是sp.csr_matrix(([],([],[])),shape=[R,R])格式的。
K本身的计算是
k = sp.csr_matrix(numerator.dot(sp.linalg.inv(denominator)))
这样做会返回警告：
SparseEfficiencyWarning: splu re
浏览 1提问于2016-10-14得票数 0
回答已采纳
2回答
我需要对矩阵进行聚类，其中主要包含零，values...Is，K-对这类数据来说是合适的，还是需要考虑不同的算法？
浏览 6提问于2013-08-05得票数 2
在2d平面上有两种类型的单位，绿色单位(G)和红色单位(R)。平面由n个矩阵表示，每个单元被表示为矩阵中的一个元素。
如果两个单位的颜色不同，则两个单位的对称为“冲突对”。目标是找到包含最“冲突对”的m乘m子矩阵。
示例
[R R 0 0 0
R R 0 0 0
0 0 R R 0
0 0 0 G G
0 0 0 G G]
在上述5×5矩阵中，“最冲突”3×3子矩阵位于右下角，其中有2个红色单元和4个绿色单元，这相当于子矩阵中的8个冲突对。
一个朴素解将用O(m^2n^2)迭代每个可能的子矩阵中的每个元素。我还考虑使用动态规划，比如算法，时间复杂度将是O(n^2)，这看起来很好，因为
浏览 1提问于2020-01-02得票数 3
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
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
