聚類 - 稀疏矢量和密集矢量

Question

對於聚類，Mahout輸入需要爲矢量形式。有兩種類型的矢量實現。一個是稀疏矢量，另一個是密集矢量。

兩者有什麼區別？

Sparse and Dense的使用場景？

Answer 1

從概念上講，稀疏向量中的大部分值都是零，而在密集向量中卻不是。密集矩陣和稀疏矩陣也是如此。條款稀疏和密集一般描述這些屬性，不僅在Mahout中。

在Mahout中，DenseVector假定零條目不是太多，因此「將向量實現爲雙精度數組」（org.apache.mahout.math.DenseVector）。相比之下，例如AbstractVector的稀疏矢量實現RandomAccessSparseVector和SequentialAccessSparseVector，使用根本不存儲零值的不同數據結構。

取決於您要存儲在向量中的數據。如果您期望大多數爲零值，那麼稀疏向量實現將更節省空間，但是如果將它用於只有幾個零值的數據，則會引入大量的數據結構開銷，從而可能導致性能下降。

密集矢量與稀疏矢量的選擇不會影響向量上的計算結果，只會影響內存使用情況和計算速度。