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
2回答
我希望使用每个元素的行向量、列向量和值向量生成稀疏的numpy ndarray。例如，如果我有column_index=np.array([2,1,0])那么我想要一个矩阵[0,0,46,0,0]
在numpy中是否有一个函数可以通过使用scipy.sparse来执行类似于scipy.sparse.csc_matrix((data, (row_ind, col_ind
浏览 1提问于2021-03-15得票数 0
回答已采纳
1回答
复杂的矩阵乘法
、、、、
我有一个(密集)矩阵n x n x m和一个稀疏向量(scipy.sparse) 1 x m。如果我们看一下我的密集n x n x m矩阵，它可以被解释为一个n x n矩阵，每个位置都有一个m x 1的向量。现在我想计算稀疏向量的点积，n x n矩阵中的每个m x 1密集向量产生一个包含所有这些点积的n x n矩阵。为此，一种方法是构建一个for循环，循环遍历n x n矩阵，然后使用scip
浏览 2提问于2016-05-18得票数 1
1回答
我有50,000乘50,000稠密矩阵或更大。如果我使用的是numpy或scipy包，那么我所有特征向量的条目都是0。如果我用scipy.sparse来计算1000-8000个特征向量，我就得到了正确的特征向量。但我需要他们所有人。请注意，我的矩阵是网络图的表示，因此是稀疏矩阵。我将它们转换为使用numpy
浏览 9提问于2019-12-29得票数 2
回答已采纳
我想知道用scipy.sparse迭代稀疏矩阵的非零项的最好方法是什么。例如，如果我执行以下操作：x[13,0] = 10 2 4 6 8 10 12 14 16 18 因此，迭代器似乎接触到了每个元素
浏览 6提问于2010-12-01得票数 49
回答已采纳
1回答
我正在用Python开发一个非线性有限元求解器，使用scipy稀疏矩阵。求解器生成一个名为KT (scipy.sparse.csc_matrix())的切线刚度矩阵，该矩阵在运行时进行多次更新--但在形状上不发生变化，并生成一个负载向量F。然后将迭代位移deltaU计算为KT * deltaU = F。(示意性的)当前过程是：while error > max_error: F
浏览 0提问于2019-11-06得票数 0
在使用scikit (python)解决机器学习问题时，为了达到更高的精度，在使用支持向量机进行训练之前，我需要对scipy.sparse矩阵进行缩放。但它明确提到了，即：
scale和StandardScaler只在将scipy.sparse矩阵显式传递给构造函数时才接受scipy.sparse矩阵作为输入。那么，我如何缩放这个稀疏矩阵，使它的单位方差也是零均值。我还需要存储这个“缩放”，这样我就可以在测试矩阵上使用相同的转换来扩展
浏览 6提问于2013-11-27得票数 9
我有一个数据文件，它编码关于大型稀疏布尔矩阵的非零元素的信息。此矩阵没有任何特定的结构，即它不是对角线或块等。文件的每一行决定一个元素。现在，我使用以下循环填充矩阵：nCols = 600000
data = dok_matrix(是否有不同类型的scipy.sparse矩阵是最优的？“‘Optimal”是指矩阵的生成速度以及矩阵
浏览 2提问于2015-09-05得票数 0
回答已采纳
我一直在使用LabeledPoint解决分类问题，并创建了一个RDD和map，但当我尝试添加pyspark时，我得到了错误信息下面是代码和输出： from pyspark.mllib.regression import LabeledPoint
print features.take(1)
[
浏览 0提问于2016-11-08得票数 0
1回答
给定一个行向量a = np.array([1, 2, 3])和一个列向量b = np.array([[1], [2], [3]])，我们可以通过执行返回的c = a==b逐个比较所有元素array是否可以使用下面的稀疏矩阵a和b来高效地计算稀疏c矩阵？from scipy.sparse import csr_matrixrow = np.array([0, 1, 2])
col = np.array
浏览 6提问于2022-09-20得票数 1
回答已采纳
1回答
我想知道是否有一种方法可以简单地将密集向量添加到稀疏矩阵的所有行中，在scipy.sparse中表示为一个稀疏矩阵并返回一个稀疏矩阵，即只对稀疏矩阵的非零元素求和。如果我这样做：import scipy.sparse as spv= np.array([2,3,4])sum = W + v
sum显然是一个稠密矩阵</e
浏览 2提问于2014-06-06得票数 2
回答已采纳
scipy.sparse.diags允许我输入多个对角向量及其位置，以构建一个矩阵，如vec = np.ones((5,))diags([vec, vec2], [-2, 2])预期输出:与np.array(diags([vec, vec2], [-2, 2]).todens
浏览 0提问于2019-04-07得票数 0
2回答
在scipy中，当我将稀疏矩阵的一部分与只包含零的数组相乘时，结果是一个比以前少或同样稀疏的矩阵，尽管它应该是更多或同样稀疏的。将矩阵的部分设置为0或False的情况也是相同的：>>> from scipy.sparse import csr_matrix as csr
>>> Mof type '<type 'numpy.bool_'
浏览 2提问于2018-01-09得票数 0
我创建了一个稀疏矩阵随机矩阵，如下所示：from scipy.sparse import rand我想得到对应于特定行的向量的范数：print(np.linalg.norm(row))ValueError
浏览 0提问于2017-01-20得票数 3
回答已采纳
我需要在sklearn中训练支持向量机分类器。特征向量的维度达到数十万，并且存在数万个这样的特征向量。但是，每个维度可以是0、1或-1。在每个特征向量中，只有大约100个是非零的。有没有有效的方法来给分类器提供关于特征向量的信息？
浏览 1提问于2013-03-01得票数 1
回答已采纳
1回答
我有一个稀疏矩阵A，我如何有效地创建一个更大的稀疏矩阵，作为A作为对角线块？例如，对于n = 2，我将得到矩阵0*A, Afrom scipy.sparse import kron as spkronA_dense = np.arange(9).reshape(3, 3)n = 2
我将如何非常轻松地完成这一任务，就是迭代</em
浏览 9提问于2022-01-30得票数 0
我必须生成一些数学运算的几次迭代，每次得到长度为100的向量。for (i in 1:10){ }
在每一次迭代中，r生成长度为100的向量。最终想要
浏览 0提问于2019-07-31得票数 1
回答已采纳
我正在使用加权样本的支持向量机：clf=svm.SVC(kernel="rbf",gamma = gamma_current, C = 1)
clf.fit(x_train,y_train,
浏览 0提问于2014-01-16得票数 0
我正在处理一个大的(复杂的) Hermitian矩阵，我正在尝试使用Python/Scipy有效地对它进行对角化。使用scipy.linalg的eigh函数，生成和对角化一个大约800x800的矩阵并计算所有特征值和特征向量大约需要3秒。
我的问题中的特征值对称地分布在0附近，范围大约是-4到4。但是，我只需要与负特征值相对应的特征向量，这将使我要计算的范围变为[-4，0]。我的矩阵是稀疏的，所以通过eigsh使用scipy.sparse包及其函数来计算特征<
浏览 2提问于2013-10-05得票数 2
短版我有一个稀疏矩阵(数学上是一个向量)，x_f，我需要对角化(即用x_f向量在对角线上的值创建一个平方矩阵)。matrix of type '<class 'numpy.float64'>'
with 47 stored elements in Compressed Sparse Row forma
浏览 2提问于2017-05-07得票数 4
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
