爪哇矩陣庫

Question

我正在尋找一個Java矩陣庫來執行數據分析和執行的聚類算法（如K-裝置或DBSCAN）的數據類型（包括字符串）的混合物中

我發現柯爾特和並行Colt（最好用大型和小型數據集執行），但顯然他們不支持String矩陣。數據集條目應該只有雙矩陣。

有什麼建議嗎？

感謝您提前給予的幫助。

Answer 1

看一看ELKI。它支持任意距離函數，並且已經有餘弦距離。所以它顯然可以在文本數據上運行這些算法。

請注意，對於大多數應用，由於餘弦距離也在數值向量上定義，因此您需要將字符串數據轉換爲TF-IDF向量。但是，這些向量通常很稀疏，所以對稀疏向量進行優化處理就可以得到回報。