spark MLlib中操作向量需要注意的地方有哪些？
spark MLlib中操作向量需要注意的地方有哪些？
展开
收起
1
条回答
写回答
写回答
-
1.向量由两种，稠密向量和稀疏向量，稠密向量把所有维度的值放在一个浮点数数组中，稀疏向量把各个维度的非0值存储下来，当最多10%元素为非零元素，考虑使用稀疏向量，减少内存，优化速度
2.创建向量的方式在各个语言中由细微差别，在python中，Numpy数组表示一个稠密向量，或者用mllib.linalg.Vectors类，的Vectors.dense([1.0,2.0])创建，数据也可以根据字典或者两个分别代表位置和值的list来传递Vectors.sparse(4,{0:1.0,2:2.0}),Vectors.sparse(4,[0,2],[1.0,2.0]),java,Scala也是用这个类,在java和scala中，MLlib的vector类只是用来为数据表示服务的。
2021-12-09 20:19:18赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
