如何在特征中有效地将稀疏矩阵的特定行和列设置为零
在特征中有效地将稀疏矩阵的特定行和列设置为零的方法有多种。以下是一些常见的方法：
- 遍历法：遍历稀疏矩阵的所有元素，找到需要设置为零的特定行和列，并将其值设置为零。这种方法简单直接，但对于大规模稀疏矩阵效率较低。
- 基于索引的方法：通过记录需要设置为零的特定行和列的索引，然后根据索引将对应的元素值设置为零。这种方法可以减少遍历的次数，提高效率。
- 稀疏矩阵压缩存储方法：稀疏矩阵通常具有大量的零元素，可以使用压缩存储方法来减少存储空间。在这种方法中，可以使用三元组表示法、行压缩存储法或列压缩存储法等来存储稀疏矩阵。通过对压缩后的矩阵进行操作，可以更高效地将特定行和列设置为零。
- 矩阵运算方法：利用矩阵运算的性质，可以通过矩阵乘法、矩阵加法等运算来将特定行和列设置为零。例如，可以构造一个与原矩阵相同大小的零矩阵，然后将需要设置为零的行和列对应的元素进行运算，最后将结果与原矩阵相加得到新的矩阵。
对于以上方法，可以根据具体的场景和需求选择适合的方法。在实际应用中，可以结合使用不同的方法来提高效率和准确性。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云人工智能平台（AI Lab）：https://cloud.tencent.com/product/ailab
- 腾讯云物联网平台（IoT Hub）：https://cloud.tencent.com/product/iothub
- 腾讯云移动开发平台（MPS）：https://cloud.tencent.com/product/mps
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务（BCS）：https://cloud.tencent.com/product/bcs
- 腾讯云元宇宙服务（Tencent XR）：https://cloud.tencent.com/product/xr
相关·内容
2回答
计算大型矩阵特征值的最快方法
、、、、
到目前为止，我使用numpy.linalg.eigvals来计算至少有1000行/列的二次矩阵的特征值，并且在大多数情况下，大约有五分之一的条目是非零的(我不知道这是否应该被视为稀疏矩阵)。我发现了另一个，表明scipy可能会做得更好。
但是，由于我必须计算数十万个不断增大的大矩阵的特征值(可能多达20000行/列，是的，我需要它们的所有特征值)，这总是需要非常长的时间。如果我能加快速度，即使是最小的一点，也很可能是值得的。
所以我的问题是:在不局限于python的情况下，有没有更快的方法来计算特征值？
浏览 1提问于2013-07-04得票数 5
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
我有一个巨大的稀疏矩阵A
<5000x5000 sparse matrix of type '<type 'numpy.float64'>'
with 14979 stored elements in Compressed Sparse Column format>
我需要删除线性相关的行。我有一个先验，即j行将是依赖的。我需要
找出哪些行集是线性依赖的。
对于每一组，保留一个任意行，并移除其他行。
我试图遵循，但是对于稀疏矩阵的对应方法，说
k：所需特征值和特征向量的数目。K必须小于N，不可能计算矩阵的所有特征
浏览 5提问于2015-03-08得票数 1
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
假设我想在稀疏矩阵上进行特征选择，即10,000行x 1500特性，但是矩阵大多是稀疏的。假设这些特性都是数字的，目标是二进制和离散的。
应用特征选择的正确和有效的方法是什么？此外，我有兴趣应用相关的信息。
浏览 0提问于2020-06-19得票数 0
我正在尝试将一些文档分为两类，其中我使用TfidfVectorizer作为一种特征提取技术。
输入数据由包含大约十几个浮动数据、标签和文档正文文本块的字段的数据行组成。按照使用主体的顺序，我应用了TfidfVectorizer并得到了一个稀疏矩阵(我可以通过toarray()转换成数组来检查这个矩阵)。这个矩阵通常是非常大的，成千上万的维--让我们称它为F，它的大小是1000x15000。
为了在Scikit中使用分类器，我给出了一个输入矩阵X，即(行数*特征数)。如果我不使用这个身体，我可能有一个大小为1000 x 15的X。
这是一个问题，假设我将这个F水平叠加到X，所以X将变成1000x
浏览 2提问于2013-10-19得票数 6
1回答
我有一个稀疏矩阵，它只有三个对角线中的元素。例如。
我还有一个列向量，其中我希望将稀疏矩阵的每一行中的每个元素乘以列向量的每一行中的对应元素。在MATLAB中是否有一种有效的方法来做到这一点？如果稀疏矩阵称为A和列向量B，我只尝试过
A.*repmat(B,[1,9])
这显然是没有效率的。
浏览 0提问于2016-03-25得票数 1
回答已采纳
我正在使用skmultilearn.adapt库中的mlnn来解决我的一个分类问题。预测函数给我的输出是int类型的稀疏矩阵。
mlk=mlknn.MLkNN(k=10)
mlk.fit(training_M,Y_train)
output=mlk.predict(testing_M)
当我尝试像print(output)一样打印输出时
它只显示了1个输出，即
(0, 1120) 1
但我需要读取整个矩阵并找到非零值。
如果我这样做了
output[2][4]
它向我显示Row Index out of bound erro
如何避免此错误并获得所有非零值的行和列索引？
浏览 3提问于2017-05-09得票数 0
1回答
我有很高的数据。几乎20%的列在不到1%的行中具有不同的值。所有这些都是二进制列，许多列都填充了超过98%的行。
更多信息:目标变量是一个不平衡的二进制变量(91.9%：8.1%)。
除3外，我拥有的每一个变量都是二进制变量。
我想知道关于如何处理这样的专栏的一些想法？放下他们还是想要更多的数据？
提前谢谢。
浏览 0提问于2020-08-30得票数 1
2回答
我正在研究mnist数据集的PCA，我得到了一个非常奇怪的结果，我创建了一个矩阵，它的行是扁平的mnist图像，当我试图计算协方差矩阵的特征值时，我得到了一些负值。但协方差矩阵是半正定的。
np.linalg.eigvals(np.dot(mnistBis[:, 0:20].T, mnistBis[:, 0:20])) # mnistBis.shape=(60000, 784)
array([ 4.79599869e+02, -1.19628465e+02, 9.68398702e+01, 1.88726171e-01,
0.00000000e+00, 0.0000000
浏览 0提问于2021-03-26得票数 2
我有一个相似度矩阵，我计算了大量对象之间的相似度，每个对象可以与任何其他对象具有非零的相似度。我为另一个任务生成了这个矩阵，现在想对其进行聚类以进行新的分析。
看起来方法可能是一个很好的选择，因为我可以传入一个预先计算的亲和度矩阵。我还知道，在构建亲和度矩阵时，谱聚类通常会使用一些最近的邻居，而我的相似性矩阵没有同样的约束。
如果我传入一个允许亲和力矩阵中节点之间有任意数量的边的矩阵，scikit是否会将每个节点限制为只有一定数量的最近邻居？如果不是，我想我将不得不对我的预先计算的亲和度矩阵进行更改。
浏览 1提问于2016-10-20得票数 0
我的体重存储在二维矩阵中。第一行指的是前一层中的节点i，该行中的列是连接到的神经元节点。我只想保留一些节点。我如何选择3max权重，并将其存储在一个单独的数组中，同时跟踪它属于哪个神经元。此外，理论上是否检验了某些权重比其他权重所起的作用更大？
浏览 0提问于2018-11-09得票数 2
我正在模拟一个物理系统，其中我需要计算一个非常大(~10000x10000)矩阵的特征值和向量。到目前为止，我已经在MATLAB中使用了内置的Eig算法，但对于大型矩阵来说，它非常慢。在MATLAB中有没有其他算法可以做得更好，或者我可以以某种方式提高Eig的性能？具体地说，我只需要矩阵的前100个特征向量，从最小的数字特征值开始。有没有办法让算法只计算前N个特征向量和特征值，以节省计算时间？当然，这只有在特征向量排序的情况下才能起作用，但它们似乎是这样做的，因为我使用的矩阵是对称的。
浏览 1提问于2016-09-20得票数 0
2回答
我有一个大矩阵存储为一个scipy.sparse.csc_matrix，并希望从大矩阵中的每一个列中减去一个列向量。这是一个相当常见的任务，当您正在做的事情，如标准化/标准化，但我似乎找不到适当的方式来有效地做到这一点。
下面是一个演示的示例：
# mat is a 3x3 matrix
mat = scipy.sparse.csc_matrix([[1, 2, 3],
[2, 3, 4],
[3, 4, 5]])
#vec is a 3x1 matrix (or a
浏览 3提问于2013-11-19得票数 6
回答已采纳
我正在寻找一个合适的矩阵格式来表示一个非常大的布尔稀疏矩阵(只包含0和1)。我一直在阅读，发现了几种格式，如压缩稀疏行、压缩稀疏列等。由于矩阵非零元素都是1，那么哪种格式应该是最好的选择？矩阵中的操作基本上是根据某种条件将0转换为1的写操作。其主要目的是查询特定行中每个1的(行，col)对的矩阵。欢迎对矩阵格式和逐行搜索效率的任何见解。
@Robert Crovella:非常感谢你澄清了这个问题。据我所知，除非和直到我们决定同时在不同的行上搜索1(非零值)，否则CUDA不会发挥很大的作用，当然不会在矩阵上写入。这可以按照您对第二行(==1)中所有1的搜索所描述的那样进行。然后，每个线程可以异步
浏览 1提问于2014-03-09得票数 1
回答已采纳
1回答
如何计算稀疏矩阵积？我知道“经典”/数学方法，但它似乎相当低效。还能改进吗？
我考虑将第一个矩阵存储在CSR表单中，第二个矩阵存储在CSC表单中，所以由于行和列向量是排序的，所以我不需要搜索我需要的特定行/列，但我想这没有多大帮助。
浏览 0提问于2014-03-26得票数 5
回答已采纳
我要做这个手术：
N = A'*P*A
P矩阵的结构是块对角的，而A矩阵基本上是稀疏的(也是在带状结构中)。乘法以块的形式执行。但问题是储存。
N矩阵太大，无法全部存储(试图分配时内存不足)。所以，我想以一种稀疏的方式存储。虽然稀疏命令只生成行、列格式的值，但它能否应用于以行列作为块的索引来存储带状矩阵？
我已经尝试了在问题中给出的，但是它并没有帮助存储块的行和索引。谢谢。
P A‘构形的图象
问题在于问题所在。街区本身是稀疏的。因此，是否有可能使块作为稀疏矩阵本身，同时保存。那么，如果一个块有一个行=1和col = 1，那么可以这样做吗？
N(row,col) = sparse
浏览 2提问于2013-09-09得票数 4
回答已采纳
1回答
假设我有一个稀疏矩阵A，我想对它做大量的计算。计算不修改A，只访问它的元素，例如取一行A，然后用某物进行乘法。我想知道在做任何计算之前，我是否应该把A转换成一个完整的矩阵，还是直接做呢？
换句话说，访问稀疏矩阵中的元素比访问完整矩阵慢吗？
浏览 0提问于2014-10-14得票数 3
回答已采纳
我从下载了一个矩阵，在加载这个文件之后，我注意到矩阵作为一个包含3个行索引、列索引和数据数组的结构存储起来。在这个特殊的例子中，表示为包含Problem.A.ir、Problem.A.jc、Problem.A.data的结构。
我只习惯于将矩阵作为问题随时可用。A，有没有办法从这个结构转换成一个“正常”矩阵？
浏览 2提问于2021-04-28得票数 1
回答已采纳
1回答
如何为决策树的稀疏特性预处理数据？
从这个决策树的Turi文档
它提到这一点：
为什么选择决策树？不同的型号有不同的优点。决策树模型非常擅长处理具有数值特征的表格数据，或少于数百个类别的分类特征。与线性模型不同，决策树能够捕捉特征与目标之间的非线性交互.一个重要的注意事项是，基于树的模型的设计并不是为了处理非常稀疏的特性。当处理稀疏输入数据(例如大维分类特征)时，我们可以对稀疏特征进行预处理以生成数值统计数据，也可以切换到更适合这种情况的线性模型。
如果我们有一个非常稀疏的分类列(许多0's)，那么对于这个类别，我们可以对每一行转换什么类型的数字统计？
浏览 0提问于2019-03-07得票数 2
2回答
C中的稀疏矩阵转换
、、、
我正在尝试用C语言开发一个程序，将稀疏矩阵文件转换为密集矩阵。据我所知，最好的方法是使用链表，但我没有使用它们的经验，也没有找到一个很好的在线资源来解释这个主题。我不是在寻找一个快速的解决方案，而是一个网站或文本来源，可以解释这个过程是如何工作的，这样我就可以将其应用到这个项目中。我看到的参考资料建议使用三个数组来处理矩阵中的值(行、列和单个值)，使用两个数组来处理向量(一个用于行，另一个用于列)。谢谢!
浏览 0提问于2011-05-01得票数 0
回答已采纳
2回答
我有一个大小为100x100的矩阵A。现在我有了另一个向量Z=(1,24,5,80...)它有100个元素。它是一个包含100个元素的列向量。现在，对于矩阵A的每一行，我希望它的A(i，j)元素为1，其中i是从1:100开始的行，j是Z给出的列
所以应该是1的元素应该是1,1，2,24，3,5，4,80等等
我知道我可以使用循环来做到这一点。但是有没有一种直接简单的方法，我指的是一个线性？
浏览 2提问于2012-11-08得票数 0
回答已采纳
3回答
矩阵计算错误
、、
我正在使用R工具来计算奇异值分解(svd(m))，它在小矩阵上工作，但当我传递它时，它是20Kx20X矩阵。处理之后，它会给出以下错误
Error in svd(m) : infinite or missing values in 'x'
我检查了一下，没有行或列的值都是0，也没有重复的行和列。所有列都有值。
我不能在这里通过20Kx20K矩阵:(
浏览 13提问于2011-02-05得票数 0
回答已采纳
2回答
我正在开发基于pandas DataFrame对象的工具。我希望将scipy稀疏矩阵保留为DataFrame的列，而不是将其按行转换为dtype('O')的列表/数值数组。
下面的代码片段不起作用，因为pandas将矩阵视为标量，并建议添加索引。当在矩阵中的行索引上提供pd.RangeIndex时，矩阵将对数据帧中的每一行重复(因为pandas认为它是标量)。
ma = scipy.sparse.rand(10, 100, 0.1, 'csr', dtype=np.float64)
df = pd.DataFrame(dict(X=ma))
这是可行的：
df
浏览 12提问于2016-09-12得票数 4
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
1回答
我尝试使用一些示例()来使用ARPACK，但我甚至不知道如何输入我的矩阵。从这个看来，用Python和Matlab实现似乎是避免ARPACK复杂性的唯一解决方案。有什么(基于Fortran的)方法可以避免计算所有的特征值/特征向量吗？
浏览 5提问于2017-08-07得票数 0
回答已采纳
1回答
我试图在python中使用h群集库。我没有足够的python知识来使用稀疏矩阵。请任何人帮帮我。所以，我要做的是：
import os.path
import numpy
import scipy
import scipy.io
from hcluster import squareform, pdist, linkage, complete
from hcluster.hierarchy import linkage, from_mlab_linkage
from numpy import savetxt
from StringIO import StringIO
data.dmp
浏览 5提问于2010-12-05得票数 3
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
1回答
我试图建立一个双极矩阵，并求出它的特征值。由于数据集的构建方式，列和行号是不连续的。这样基质的尺寸就会爆炸。我如何从稀疏矩阵中清除完全空的行和列？其余的行和列应该以连体的方式重新编号。
主题领域是买方和卖方以及他们的购买。buyes和sellers是用随机整数ID表示的，这些ID是不连续的。数据集是以CSV表单中的buyer_ID、seller_ID列表的形式列出的所有采购列表。
这是我的密码
from sympy import *
import scipy
import csv
rows=[]
cols=[]
data=[]
with open('dataset.txt',
浏览 1提问于2015-03-04得票数 0
回答已采纳
2回答
我有一个矩阵，如下所示：
A=matrix(c(1,2,0,3,4,0,0,0,0),nrow=3,ncol=3,byrow=TRUE)
在这个矩阵中，行名和列名是相同的。每一行/列名称对应一个作者，而作者又引用了另一个作者。第3行和第3列为零。我如何通过删除既不被引用也不被引用的孤立作者来缩小矩阵？换句话说，我如何删除相交的第n列。
在 (文本挖掘)库中，我可以用removeSparseTerms对文档术语矩阵进行挖掘。
浏览 15提问于2017-01-20得票数 0
2回答
问题1
有人能推荐一种在python中进行Cholesky分解的不那么尴尬的方法吗？尤其是最后一行让我烦恼。
SigmaSqrt = matrix(Sigma)
cvxopt.lapack.potrf(SigmaSqrt)
SigmaSqrt = matrix(np.tril(SigmaSqrt))
问题2
我有一个问题，就是整行一列(例如，第一行中的所有元素和第一列中的所有元素)都是零，而失败的原因是矩阵不是正定的。处理这件事的最好方法是什么？
目前我正在做这件事：(这看起来很尴尬.)
try:
SigmaSqrt = matrix(Sigma)
cvxopt.lapack.
浏览 2提问于2014-04-16得票数 0
回答已采纳
2回答
目前我正在使用numpy，它可以完成这项工作。但是，由于我正在处理几千行/列的矩阵，稍后这个数字将上升到数万，我想知道是否存在可以更快地执行这种计算的软件包？
浏览 1提问于2011-07-14得票数 43
回答已采纳
2回答
我知道scipy.sparse.find(A)返回3个数组I、J、V，每个数组分别包含非零元素的行、列和值。
我想要的是对所有零元素进行同样的操作(V数组除外)，而不必迭代矩阵，因为它太大了。
浏览 9提问于2017-06-26得票数 2
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
我正在做一些量子计算的数值模拟，我希望找到一个大的厄米特矩阵(~2^14行/列)的特征向量
我在一台24核/48线程的XEON机器上运行。代码最初是在Qutip库的帮助下编写的。我发现包含的eigenstates()函数只使用我的机器上的一个线程，所以我正在尝试找到一种更快的方法来做到这一点。
我尝试使用scipy.linalg、eig()和eigh()函数，以及scipy.sparse.linalg eig()和eigh()，但这两个函数似乎都比Qutip中内置的函数慢。
我已经看到一些建议，我可能会从使用slepc4py中获得一些加速，但是这个包的文档似乎非常缺乏。我找不到如何将numpy
浏览 34提问于2017-02-03得票数 4
我必须处理一个大小为6004*17842 (doc*term)的大型稀疏矩阵。函数find()已尝试获取其行、列和值，结果已保存为ascii格式。但术语并不是在每个文档中排序的。有没有人能建议我一种对矩阵进行排序并导出排序结果的方法？
浏览 0提问于2010-09-27得票数 2
我看到了用新的特征3.2，你可以从稀疏矩阵中得到行、列甚至块，有办法将这些设置为0吗？
Eigen::SparseMatrix<float, Eigen::RowMajor> A( 5, 5 );
A.block(1, 1, 2, 2) = 0; // won't work
A.row(1) = 0; // won't work
A.col(1) = 0; // won't work
谢谢!
浏览 4提问于2014-01-08得票数 2
回答已采纳
1回答
我需要知道在MATLAB中是否有任何有效的方法来完成以下操作。
我有几个大的稀疏矩阵，每个矩阵的大小大约是9000000x9000000。
我需要访问这种矩阵的多个元素，并将存储在另一个数组中的不同值分配给每个选定的元素。我举个例子：
我所拥有的：
大小为9000000x9000000Matrix的稀疏矩阵包含我要访问的索引和值的列表，矩阵如下所示：
row1，col1，value1；row2，col2，value2；...rowN、colN、valueN
其中N是这种矩阵的长度。
我需要的是：
将相应索引的相应值分配给稀疏矩阵，即：
SPARSE_MATRIX(row1, col1) = v
浏览 39提问于2018-06-02得票数 1
回答已采纳
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
1回答
我需要比较3216x216矩阵(数据相关矩阵，事件等)。有没有人能建议一种在matlab或其他绘图工具中绘制这些图形的方法，以便轻松地将它们可视化并进行比较……三维网格打印有用吗？我觉得网状的会更好..但我也需要其他人的意见。
提前谢谢你，
浏览 0提问于2011-09-09得票数 0
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
1回答
稀疏矩阵布尔索引Numpy阵列
、、、、
我试图通过稀疏矩阵对numpy数组应用布尔索引。
A = dense n x n matrix, where n is large
B = sparse n x n Boolean matrix
示例操作：
A[B] *= 2
A[~B] *= -2
在不将稀疏矩阵转换为密集矩阵(这会导致内存问题)的情况下，是否有一种有效的方法来实现这一点？
浏览 1提问于2018-01-12得票数 2
回答已采纳
3回答
我无法在matlab中完成完整的旋转。假设我有一些不稀疏的矩阵：
A = [0,1,1,1;0,1,0,0;1,1,1,1;0,0,0,-1]
当我试图在matlab中使用lu命令时，它不喜欢它，因为它并不稀疏：
>> [L,U,P,Q] = lu(A)
Error using lu
Too many output arguments.
甚至连文档都说它必须是稀疏的：
对于稀疏非空A，L，U，P，Q= lu(A)，返回单位下三角矩阵L，上三角矩阵U，行置换矩阵P，列重排矩阵Q，使得P_A_Q = L*U，如果A是空的或不稀疏的，lu会显示错误消息。语句lu(A，‘矩阵’)返回相
浏览 5提问于2017-11-29得票数 1
3回答
假设我有一个包含10列的5000行矩阵，其中大多数都填充了分类数据(字符串)，而在每一列中，我有10-30个不同的字符串。在python中处理它的最佳方法/算法是什么？OneHotEncoder会给我一个很大的矩阵
浏览 12提问于2017-09-11得票数 1
回答已采纳
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
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
在MATLAB中处理一个矩阵，它是稀疏的，有许多行和列。在这种情况下，矩阵的行和列是特定项的ids。让我们假设它们是id1和id2。
如果行和列的It可以嵌入，那么我就可以很容易地访问它们，而不需要创建额外的变量来保留这两个It。
答案可能是使用表数据类型。对于我的需要，表是非常理想的答案，但是我想知道是否可以为稀疏矩阵创建一个表数据类型？
A [m*n] sparse matrix %% m & n are huge
id1 [1*m] , id2 [1*n] %% two vectors containing numeric ids for rows and co
浏览 7提问于2016-02-02得票数 1
回答已采纳
1回答
用于大数据的数组
、、、
我需要形成一个总大小为2,886 X 2,003,817的2D矩阵。我尝试使用numpy.zeros创建一个2D零元素矩阵，然后计算并分配矩阵的每个元素(它们中的大多数是零子，我需要替换其中的一些)。
但是当我尝试numpy.zero初始化我的矩阵时，我得到了以下内存错误：
C=numpy.zeros((2886,2003817)) "MemoryError"
我还尝试在不初始化的情况下形成矩阵。基本上，我在算法的每次迭代中计算每一行的元素，然后
C=numpy.concatenate((C,[A]),axis=0)
其中C是我的最终矩阵，A是当前迭代的计算行。但是我发现这种
浏览 1提问于2014-03-31得票数 1
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，则在该索引上为????)。有些还保留了非零输入的数量。
我说的对吗？如果是这样的话，我有一些问题。如果这个结构有一个密集的布尔向量，并且我们必须保留这些值，那么简单地填充一个密集向量而忽略它的稀
浏览 16提问于2021-02-27得票数 2
回答已采纳
1回答
我需要从SciPy稀疏矩阵中剪除大量条目。目前，我将矩阵转换为DOK格式，并将每个条目分别分配给0。
m = m.todok()
for i, j in pruneme:
m[i,j] = 0
这太慢了。
有更快的路吗？
浏览 2提问于2016-03-08得票数 3
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
