将稀疏矩阵从R迁移到Java
稀疏矩阵是一种矩阵中大部分元素为零的特殊矩阵。由于稀疏矩阵中非零元素较少，因此在存储和计算上具有一定的优势。将稀疏矩阵从R语言迁移到Java语言可以通过以下步骤实现：
- 确定稀疏矩阵的表示方式：稀疏矩阵可以使用不同的数据结构进行表示，常见的有压缩稀疏行（Compressed Sparse Row，CSR）和压缩稀疏列（Compressed Sparse Column，CSC）等。根据具体需求选择适合的表示方式。
- 将稀疏矩阵的数据导出为合适的格式：在R语言中，可以使用现有的稀疏矩阵库（如Matrix包）将稀疏矩阵导出为常见的格式，如CSV、JSON等。确保导出的格式能够在Java中进行读取和解析。
- 在Java中读取和解析稀疏矩阵数据：使用Java中的相关库（如Apache Commons Math库）读取和解析导出的稀疏矩阵数据。根据选择的稀疏矩阵表示方式，将数据转换为对应的数据结构。
- 实现稀疏矩阵的相关操作：根据具体需求，实现稀疏矩阵的相关操作，如矩阵相加、相乘、转置等。可以借助Java中的矩阵计算库（如Apache Commons Math库）来简化操作的实现。
- 进行性能优化：由于稀疏矩阵的特殊性，可以针对稀疏矩阵的特点进行性能优化。例如，可以使用稀疏矩阵的压缩表示方式来减少存储空间和计算复杂度。
在腾讯云的产品中，可以使用云数据库 TencentDB 来存储和管理稀疏矩阵数据。TencentDB 提供了高可用、高性能、可扩展的数据库服务，支持多种数据库引擎和存储引擎，适用于各种规模的应用场景。您可以通过以下链接了解更多关于腾讯云数据库的信息：https://cloud.tencent.com/product/cdb
此外，腾讯云还提供了云服务器 Tencent Cloud CVM，用于部署和运行Java程序。Tencent Cloud CVM 提供了丰富的计算资源和强大的网络性能，可满足各种规模的应用需求。您可以通过以下链接了解更多关于腾讯云服务器的信息：https://cloud.tencent.com/product/cvm
请注意，以上提到的腾讯云产品仅作为示例，您可以根据具体需求选择适合的产品和服务。
相关·内容
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
1回答
将稀疏矩阵导入h2o实例非常慢
、、、、
我在R中得到了21万x 500个稀疏矩阵，我试图用h2o进行聚类。我设想对于h2o来说，21万行矩阵并不大，但是当我试图将它导入到h2o实例时，需要很长时间(让它运行超过10分钟并在完成之前停止)，当我在稀疏矩阵中子集前10,000行并导入它时，它只需几秒钟。我试着逐步地做这件事，这需要很长的时间。(到了6万，我停了下来)这是正常的还是我做错了什么？
这是我用的东西
library(h2o)
localH2O <- h2o.init(nthreads = -1, max_mem_size = "16g")
spmx.h2o <- as.h2o(sparse
浏览 1提问于2017-06-26得票数 0
回答已采纳
1回答
我正在尝试在R中执行社交网络分析，我在使用igraph包从非常大的矩阵创建邻接矩阵时遇到了一些问题。其中一个主要矩阵是10998555876个元素大小(82 Gb) -从具有176881行的数据集创建。
我在运行时得到的错误：
adjacency_matrix <- graph.adjacency(one_mode_matrix, mode = "undirected", weighted = TRUE, diag = TRUE)
如下所示：
Error in graph.adjacency.dense(adjmatrix, mode = mode, weighted =
浏览 3提问于2019-09-27得票数 1
1回答
我已经下载了UJMP (Universal Java matrix Package，通用Java矩阵包)库，并将其包含到我的项目中，用于生成稀疏矩阵。但是我找不到任何关于库函数的文档，如何创建稀疏矩阵，向矩阵添加元素等。有没有人对此有经验或有关于库的文档？谢谢你所做的一切
浏览 0提问于2012-11-03得票数 1
2回答
C语言中的稀疏矩阵乘法
、、、
我有两个矩阵市场格式的稀疏矩阵文件：
row col val
1 1 3.0
1 2 1.0
2 3 2.0
etc...
目前，我已经将文件分成了6个数组：
row_A[], col_A[], val_A[], row_B[] …
它们分别包含行索引、列索引和值。
我想轻松地将这两个矩阵相乘，而不必首先将它们转换为密集矩阵格式。有没有这样做的算法？
我在Quora上找到了这个伪代码，但我不确定它是不是最好的实现，或者它将如何在C：中实现
multiply(A,B):
for r in A.rows:
for c in A.rows[r]:
fo
浏览 1提问于2018-10-26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
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
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
从RCCP开始。如何才能使用(索引、读取和赋值)代码中定义的稀疏矩阵，就像我对“标准”矩阵所做的那样？
library('Matrix')
library(Rcpp)
library(inline)
r <- matrix(seq(1,9,1),ncol=3,nrow=3)
i <- Matrix(0, nrow = nrow(r) * ncol(r), ncol = nrow(r)*ncol(r), sparse=TRUE)
fx <- cxxfunction( signature( x_ = "matrix" ,y_="dsCMa
浏览 0提问于2015-09-15得票数 0
2回答
我从R中的文档-术语矩阵导出术语-术语共现矩阵K。我感兴趣的是对逐个关键字的矩阵K进行K均值聚类分析。K的维度是8962术语×8962术语。
我将K传递给kmeans函数，如下所示：
for(i in 1:25){
#Run kmeans for each level of i, allowing up to 100 iterations for convergence
kmeans<- kmeans(x=K, centers=i, iter.max=100)
#Combine cluster number and cost together, write to
浏览 0提问于2016-05-03得票数 0
1回答
我需要构造一个随机转移矩阵。给定一个N_by_N矩阵M，Mi，j是i和j之间的概率，问题是我需要构造M，而构造M的是：
矩阵R，与M相同，但如果i和j之间的概率> 0，则Ri，j=1。(R很稀疏)
给出i和j之间概率的函数Pr(i，j)。
所以我有R和Pr，我需要构造M，我能想到的唯一方法就是用昂贵的python循环来实现，我想知道是否有一种快速的方法来处理numpy。
浏览 0提问于2014-05-14得票数 0
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
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
7回答
在阅读了PageRank算法的理论后，我想利用算法。我正在尝试用Java实现这一点。我的意思是，我想详细地玩PageRank (比如给出不同的权重等等)。为此，我需要建立超链接矩阵。如果我有100万个节点，那么我的超级链接矩阵将是100万×100万大小，这将导致这个异常：
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
at WebGraph.main(WebGraph.java:6)
如何在Java中实现PageRank，有没有存储超链接矩阵的方法？
浏览 14提问于2012-11-04得票数 3
回答已采纳
我想将两个稀疏矩阵Y和R保存到mat文件中。但是，当我运行以下代码时，我发现twomatrices.mat包含两个完整的矩阵，而不是稀疏矩阵。.mat文件是否只允许包含完整矩阵？
save('twomatrices.mat', 'Y', 'R');
浏览 0提问于2012-09-12得票数 1
回答已采纳
我用Armadillo来解决一些线性代数问题。它有稀疏矩阵的SpMat<float>和稠密矩阵的Mat<float>。
假设我有稀疏矩阵S_a和S_b，以及稠密矩阵D。我需要计算产生的S_a*S_b和S_a*D，结果在这两种情况下都会很密集。
我可以将稀疏矩阵转换为密集矩阵，然后再进行乘法，但这将是效率低下的(这些矩阵非常大)。有没有办法让Armadillo在不执行中间转换步骤的情况下将结果存储到稠密矩阵中？
浏览 4提问于2017-10-24得票数 0
回答已采纳
2回答
在R中，有没有一种方法来判断一个矩阵是否稀疏？有许多稀疏矩阵类，例如dgCMatrix，但没有is.sparseMatrix方法。
浏览 0提问于2017-02-17得票数 5
1回答
我正在寻找一个用Java编写的线性代数库，它可以处理大小为1百万乘以100万的“稀疏”矩阵，并对矩阵执行SVD、LU等分解。
我环顾四周并尝试了COLT，但是它只能处理固定数量的元素的矩阵。
EJML站点也提到它将无法处理此问题。()
我知道在C++中有一些包可以处理这种大小的数据，但是，我不能从Java迁移，因为我有所有其他围绕Java构建的代码。
有什么想法吗？任何帮助都是非常感谢的！
浏览 2提问于2012-08-07得票数 0
我想用R做300 k乘300 k的大矩阵。
很多人推荐了"bigmemory“包，我试着用它制作矩阵。当我制作小矩阵时，它起作用，但当我尝试使用大矩阵时，它给了我一条错误信息。
我怎样才能解决这个问题？或者你知道在r中创建大矩阵的方法(在我的例子中，300 k乘300 k)？
浏览 0提问于2018-12-31得票数 0
回答已采纳
我想使用la4j库从我的Java程序中的matrix Market文件加载一个矩阵。
使用该方法
Matrix.fromMatrixMarket(file);
其中“文件”是通过BufferedReader解析成字符串的mtx文件的内容，它抛出一个java.lang.IllegalArgumentException：
java.lang.IllegalArgumentException: Unknown majority: %-------------------------------------------------------------------------------.
at o
浏览 0提问于2015-05-19得票数 0
1回答
我正在尝试从输入图像中恢复反射率和照度。问题出在%find r部分(反射率)。'pinv‘的结果是一个NaN矩阵...为什么？代码：
c = imread('cats.jpg');
c = im2double(c(:, :, 1));
im = log(c);
filters = {fspecial('laplacian', 0.1) fspecial('laplacian', 0.3,fspecial('laplacian', 0.5) fspecial('laplacian', 0.7) fs
浏览 1提问于2014-05-14得票数 0
我已经从LIBSVM下载了一个数据集，并使用e1071函数read.matrix.csr读取它。这会将其作为SparseM matrix.csr对象加载。但现在我被卡住了，因为我不知道如何将这个对象转换为密集矩阵。
有没有一种简单的方法可以将SparseM matrix.csr对象转换为标准的R密集矩阵？
浏览 0提问于2017-06-01得票数 2
1回答
我试图将一个稀疏的实数矩阵与一个复数向量相乘，但程序无法编译。如果我将向量改为实数，或将矩阵改为密集，那么所有内容都会通过。示例代码如下：
#define ARMA_64BIT_WORD
#include <armadillo>
#include <iostream>
#include <stdio.h>
#include <math.h>
using namespace arma;
int main(){
size_t n(5);
vec vR(randu<vec>(n)), vI(randu<vec>(n
浏览 3提问于2015-05-27得票数 1
我在R中使用xgboost。
我使用一个矩阵作为输入创建了xgb矩阵，但是当我减少矩阵数据中列的数量时，我会收到一个错误。
这样做是可行的：
> dim(ctt1)
[1] 6401 5901
> xgbmat1 <- xgb.DMatrix(
Matrix(data.matrix(ctt1)),
label = as.matrix(as.numeric(data$V2)) - 1
)
这并不意味着：
> dim(ctt1[,nr])
[1] 6401 1048
xgbmat1 <- xgb.DMatrix(
Matrix(
浏览 3提问于2016-03-07得票数 4
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
从C调用MATLAB复矩阵函数
、、、、
在C语言中使用matlab编译器sdk创建了makeSbus函数的动态链接库，该函数以1个整数和2个双矩阵作为输入，并给出了一个复双矩阵作为输出。在MATLAB处理过程中生成稀疏矩阵。这是MATLAB源代码。
function Sbus = makeSbus(baseMVA, bus, gen)
on = find(gen(:, 8) > 0); %% which generators are on?
gbus = gen(on, 1); %% what buses are they at?
nb = size(bus, 1);
ngon =
浏览 9提问于2022-07-04得票数 0
回答已采纳
1回答
我想从MATLAB中向共享库传递一个稀疏矩阵，在那里执行一些操作(用C编写)，然后返回它。
我可以通过一个密集的矩阵和使用，相当容易。但是，我不知道如何从MATLAB将稀疏矩阵传递给共享库。我发现的都是关于MEX的事。
如果在MATLAB中给出稀疏矩阵格式的一些信息，用C语言进行转换，这是值得赞赏的。
提前谢谢。
浏览 1提问于2013-01-28得票数 3
我有一个稀疏矩阵，当我在R中打开它时，所有应该是0的元素都是像‘这样的点。'，我如何将这个点转换为数字0？也就是说，将其转换为可在后续计算中使用的数值矩阵。
我知道一个命令，可以将所有的元素从NA转换为0：
Mydata[is.na(Mydata)]<-0
但我不知道如何将点转换为0。
浏览 0提问于2014-07-20得票数 3
1回答
我正在用监督学习来进行主题检测。然而，我的矩阵非常大(202180 x 15000)，我无法将它们与我想要的模型相匹配。矩阵的大部分由零组成。只有logistic回归起作用。是否有一种方法可以继续使用相同的矩阵，但使它们能够与我想要的模型一起工作？就像我能用不同的方式创建矩阵吗？
这是我的代码：
import numpy as np
import subprocess
from sklearn.linear_model import SGDClassifier
from sklearn.linear_model import LogisticRegression
from sklearn i
浏览 3提问于2016-01-16得票数 5
回答已采纳
1回答
R中的逻辑矩阵
、、
所以这是一个一般性的问题，在过去的6个月里，我一直在使用R，虽然我喜欢原生数据结构，但矩阵的一些功能对我来说有点不清楚。 我的问题是关于R处理逻辑矩阵的方式。假设我有一个用TRUE和FALSE语句填充的n x n大小的逻辑矩阵。当我使用LogicalMat过滤MatA (两个维度相同)时： MatA[LogicalMat] 是否在后台的某种循环中计算FALSE值？或者它们只是像某种稀疏矩阵实现那样被跳过？ 如果不是，有什么方法可以创建矩阵，使矩阵的某些部分在过滤时从不求值？我认为链表可以做同样的事情，但我喜欢能够保持矩阵索引的线性性质。我知道有专门为稀疏矩阵设计的包，但我对原生结构感兴趣。
浏览 22提问于2020-04-28得票数 2
回答已采纳
1回答
大型稀疏矩阵幂和的计算
、、、、
给定一个查询向量(一个热向量) q的大小为50000x1，一个大型稀疏矩阵A的大小为50000 x 50000和nnz的A为0.3十亿，我想要计算r=(A + A^2 + ... + A^S)q (通常是4 <= S <=6)。
我可以迭代地使用循环来实现上述方程。
r = np.zeros((50000,1))
for i in range(S):
q = A.dot(q)
r += q
但我想要更快的方法。
第一个想法是A可以是对称的，所以。但是由于A是大的稀疏矩阵，分解使得密度矩阵与A的大小相同，从而导致性能下降(在内存和速度方面)。
还考虑了低阶近似。但是A又大
浏览 7提问于2021-02-05得票数 1
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
1回答
稀疏矩阵生成的复杂性
、、、
我有一个对称矩阵S(n*n)，其中大约70%的数据是0。
对称矩阵
我想把对称矩阵转换成有t行的稀疏矩阵。
从原始对称矩阵生成稀疏矩阵的时间复杂度是多少？
它是O(n^2)吗，因为我必须遍历每一行/列的交集，并得到不是0的元素？
由于我处理的是对称矩阵，我可以说我的时间复杂度可以降低到O((n*(n+1))/2)，因为在对称矩阵ai= aj中？在这种情况下，如果遇到ai为0，我可以说是aj=0。这可以使我的循环减少大约一半。
浏览 2提问于2015-06-16得票数 1
回答已采纳
我正在尝试并行化我的稀疏方阵自我乘法。例如，我想计算：
R = A * A
其中R和A是稀疏矩阵。这些稀疏矩阵用2d unordered_map表示，其中Ai对应于(i，j)-th元素。另外，i和j是相应的2d unordered_map的键。不幸的是，OpenMP的#务实omp并行程序在下面的代码中似乎不起作用.(此代码是我的smatrix类定义的一部分)。
std::pair<int, int> shape;
std::unordered_map<int, std::unordered_map<int, mpreal>> nzel
浏览 11提问于2022-08-19得票数 0
回答已采纳
我有一个MxM矩阵S，它的条目在对角线上是零，在其他地方都是非零。我需要做一个更大的块矩阵。这些块的大小为NxN，并将有它们的MxM。
(i,j)th块将是S(i,j)I，其中I=eye(N)是NxN标识。这个矩阵肯定是稀疏的，S有M^2-M非零项，我的块矩阵将有N(M^2-M) out (NM)^2或关于1/N%非零条目，但是我将把它添加到另一个NMxNM矩阵中，而我并不期望它是稀疏的。
，既然我要把我的块矩阵添加到一个完整的矩阵中，那么用“稀疏”的方式来写我的代码会有什么速度上的提高吗？我不停地重复，但我的想法是:即使我的代码将S转化为稀疏块矩阵的效率不是很高，当我告诉它将一个完整的和稀疏
浏览 9提问于2015-11-02得票数 3
回答已采纳
2回答
这是我刚发现的东西。由于某种原因，在Armadillo中，将稠密矩阵乘以稀疏矩阵比乘以稀疏和稠密矩阵(即倒序)要慢得多。
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
// [[Rcpp::export]]
arma::sp_mat mult_sp_den_to_sp(arma::sp_mat& a, arma::mat& b)
{
// sparse x dense -> sparse
arma::sp_mat result(a * b);
return
浏览 0提问于2018-04-11得票数 3
回答已采纳
2回答
在学习了之后，我想使用包从下面的数据帧创建一个稀疏矩阵，并让所有其他元素都是NA。
s r d
1 1089 3772 1
2 1109 190 1
3 1109 2460 1
4 1109 3071 2
5 1109 3618 1
6 1109 38 7
我知道我可以用下面的内容创建一个稀疏矩阵，像往常一样访问元素：
> library(Matrix)
> Y <- sparseMatrix(s,r,x=d)
> Y[1089,3772]
[1] 1
> Y[1,1]
[1] 0
但是如果我想将默认值设为NA，我尝试了以下方法：
M &
浏览 0提问于2009-08-13得票数 15
回答已采纳
1回答
我正在编写一个中等数据集(train_data)。有124个变量和50,00000个观测。对于分类变量，我在R中通过hashed.model.matrix函数对其进行了特征哈希。
## feature hashing
b <- 2 ^ 22
f <- ~ .-1
X_train <- hashed.model.matrix(f, train_data, hash.size=b)
因此，我得到了一个大的dgCmatrix (稀疏矩阵)作为输出(X_train)。我如何在这个矩阵上使用H2o包装器，并使用H2o中可用的不同算法？H2o包装器是否采用稀疏矩阵(dgCmatrix)。
浏览 3提问于2016-08-10得票数 3
我在这方面研究了很多，但找不到解决这个问题的实际方法。我正在使用scipy创建csr稀疏矩阵，并希望从所有1的等价矩阵中减去此矩阵。在scipy和numpy表示法中，如果矩阵不是稀疏的，我们可以通过简单地编写1- MatrixVariable来实现。但是，如果Matrix是稀疏的，则不会实现此操作。我可以想到下面这个显而易见的解决方案：
迭代整个稀疏矩阵，将所有零元素设置为1，将所有非零元素设置为0。
但这将创建一个矩阵，其中大多数元素为1，只有少数元素为0，这不再是稀疏的，并且由于其巨大的大小无法转换为密集。
有什么替代的和有效的方法可以做到这一点呢？
谢谢。
浏览 3提问于2013-07-02得票数 3
1回答
我需要在几个14000×10000矩阵中存储单词共现计数。因为我知道矩阵是稀疏的，而且我没有足够的内存来将它们全部存储为密集矩阵，所以我将它们存储为scipy.sparse矩阵。
我已经找到了最有效的方法来收集计数使用计数器对象。现在，我需要将计数从计数器对象转移到稀疏矩阵，但这需要太长时间。目前需要18小时左右的时间来填充矩阵。
我使用的代码大致如下：
for word_ind1 in range(len(wordlist1)):
for word_ind2 in range(len(wordlist2)):
word_counts[word_ind2, word_i
浏览 5提问于2014-04-01得票数 2
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
我有一个scipy.sparse.csr.csr_matrix，它是TfidfVectorizer()类的输出。我知道我可以以这种方式访问这个矩阵的各个组成部分：
所以如果我有这个矩阵
tf_idf_matrix = vectorizer.fit_transform(lines)
我可以在这里访问各个组件：
tf_idf_matrix.data
tf_idf_matrix.indices
tf_idf_matrix.indptr
如何从Python中保存它--这样我就可以将它加载到MATLAB稀疏矩阵中？或者如何将其转换为密集数组，并将其保存为一个numpy.ndarray文本文件--这样我就
浏览 6提问于2013-12-31得票数 1
回答已采纳
3回答
对于R，至少有两个稀疏矩阵包，我正在研究这些包，因为我处理的数据集太大，太稀疏，无法用密集的表示形式存储在内存中。我想要基本的线性代数例程，加上能够轻松地编写C代码来操作它们。哪个图书馆最成熟，最适合使用？
到目前为止我发现
有许多反向依赖，这意味着它是最常用的。
没有那么多反向设备。
各种图库可能都有自己的(隐式)版本；例如和 (后者是的一部分)。这些东西对我的需要来说太专业了。
有人有这方面的经验吗？
从搜索的角度来看，包似乎是最常见的。我经常认为相当权威，提到了矩阵和SparseM。
浏览 11提问于2009-07-22得票数 30
回答已采纳
2回答
我需要将5000x5000到20000x20000的大矩阵相乘。我在寻找一个具有稀疏矩阵但可以进行快速乘法的库时遇到了问题。
首先，我已经阅读了上一个关于Java矩阵库()性能的问题。基于上面的答案，我决定使用JBLAS，因为它是最快的。在我的例子中，将一个5000x5000矩阵相乘大约需要50秒左右，这比Matlab慢得多，但仍然可以容忍。
问题是矩阵可能非常大(高达20k乘以20k，甚至更多)，但它们通常是稀疏的。矩阵中只有30%的元素是非零的。JBLAS不提供任何稀疏矩阵实现，因此存储大而密集的矩阵所需的内存占用可能非常大。我尝试切换到MTJ/Netlib，因为它应该是基准测试中具有稀疏
浏览 6提问于2013-11-15得票数 6
2回答
我有一个从R的matrix包创建的稀疏矩阵。我想迭代矩阵中的每个条目并执行一个操作，将结果保存在另一个稀疏矩阵中，该矩阵具有与原始矩阵相同的索引。
例如，假设我有稀疏矩阵A：
1 . 1
2 . .
. . 4
ColSums看起来像这样：
3 . 5
RowSums看起来像这样：
2
2
4
我想在A上迭代，然后这样做
(1,1) > 3*2
(2,1) > 2*3
(1,3) > 2*5
(3,3) > 4*5
创建B：
6 . 10
6 . .
. . 20
我该如何用矢量化的方式来做这件事呢？
我认为foo函数应该是这样的：
B=fooMap(A,fun)
有趣
浏览 2提问于2012-09-29得票数 2
回答已采纳
我编写了一个mex代码，它从matlab代码中向C代码发送一个标量和一个矩阵。它与较小的矩阵很好地工作。但是，当我试图传递大的稀疏矩阵(大小为8448x3264)时，matlab崩溃时有以下错误：
我得到以下错误: Matlab遇到了一个内部问题，需要关闭。
*Detailed error report*
------------------------------------------------------------------------
Segmentation violation detected at Mon Feb
浏览 10提问于2015-02-09得票数 0
回答已采纳
1回答
我正在使用一个连通性矩阵，它是图形数据结构的表示。NxM矩阵对应于具有M个顶点的N条边(它的边可能比顶点多，这就是我使用scipy的csr_matrix的原因)。在连通性矩阵中，边的“起点”用"-1“表示，终点用"1”表示。所有其他值都为0，因此每行只有2个非零值。
我需要集成一个“细分”方法，它将有效地更新连接矩阵。目前，我正在将连接矩阵转换为密集矩阵，以便添加新的行/列并更新旧的行/列。我正在转换到密集矩阵，因为我还没有找到一个解决方案来找到列索引来更新旧的边连接(没有等价的scipy.where)，并且csr表示不允许我通过索引更新值。
from numpy import
浏览 0提问于2017-10-06得票数 0
1回答
您认为在Java1.8中使用新的Stream接口实现稀疏矩阵操作是可能的吗？如果是，我们需要如何实现矩阵和操作。显然，我希望它最终能够使用“自动”并行化。
浏览 1提问于2014-01-23得票数 4
4回答
随机投影算法伪码
、、
我试图在一个非常稀疏的数据集上应用随机投影方法。我发现了关于Johnson Lindenstrauss方法的论文和教程，但每一篇都充满了方程，对我没有任何意义的解释。例如，这个关于的文档
不幸的是，从本文档中，我无法了解算法的实现步骤。这是一个很长的机会，但有没有人可以告诉我，简单的英文版本或非常简单的伪代码的算法？或者我从哪里开始挖掘这个方程？有什么建议吗？
例如，通过读取，我从算法中了解到：
假设我们有一个AxB矩阵，其中A是样本数，B是维数，例如100x5000。我想把它的维数减小到500，它会产生一个100x500矩阵。
据我所知:首先，我需要构造一个100x500矩阵，并
浏览 8提问于2011-09-19得票数 12
回答已采纳
1回答
求解AX=B的线性方程组
、、、、
我目前解了两次Ax=b方程。
其中A是稀疏矩阵NxN
x，b是N大小的向量(我有b1和b2)
我想减少时间，通过一次解决这两个问题，使用垫子解析函数。
所以我想，从2b开始，建立一个大小为Nx2的矩阵，用A来求解，就像AX=B可以做的那样。
理论上是对的吗？
我应该使用哪种垫子解析函数？
请注意，我的工作是稀疏矩阵，而不是密集矩阵。
谢谢!
浏览 11提问于2016-03-02得票数 2
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
