sparse-matrix

    0熱度

    1回答

    交換價值

    我有一個非常大的稀疏矩陣，所以我需要我的問題的一些快速的解決方案： 讓我們A是一些小的稀疏矩陣（只是舉例）： > A 4 x 5 sparse Matrix of class "dgCMatrix" A B C D E [1,] 1 1 5 4 6 [2,] 51 2 40 1 5 [3,] 3 40 10 .
    r matrix sparse-matrix swap 2017-09-15

    4熱度

    1回答

    內存有效集中稀疏SVD/PCA（在Julia中）？

    我有一個300萬×900萬的稀疏矩陣，有幾十億個非零條目。 R和Python不允許超過MAXINT非零條目的稀疏矩陣，因此我發現自己使用了Julia。 雖然用標準偏差縮放這些數據是微不足道的，但貶低當然是一種天真的方式，因爲這會創建一個密集的200+太字節矩陣。 做SVD相關的代碼朱莉婭可以在https://github.com/JuliaLang/julia/blob/343b7f56fcc84
    julia-lang sparse-matrix pca svd 2017-09-25

    1熱度

    1回答

    是否可以在大型稀疏矩陣上使用scikit TSNE？

    scikit documentation解釋fit_transform只能用於密集矩陣，但我有一個csr格式的稀疏矩陣，我想執行tsne。該文檔說爲使用稀疏矩陣使用fit方法，但是這不會返回低維嵌入。 我明白我可以使用.todense()方法如this question，但我的數據集非常大（0.4 * 10^6行和0.5 * 10^4列），從而不會配合在存儲器中。真的，使用稀疏矩陣來做這個很好。有
    python scikit-learn sparse-matrix dimensionality-reduction 2017-09-26

    3熱度

    3回答

    用極稀疏矩陣乘法的最快方法是什麼？

    我有一個非常稀疏的結構化矩陣。我的矩陣每列只有一個非零的條目。但其巨大的（10K * 1M），並在下面的形式給出（例如uisng隨機值） rows = np.random.randint(0, 10000, 1000000) values = np.random.randint(0,10,1000000) 中行給我們在每列非零項的行號。我想要S與S進行快速矩陣乘法，我現在正在執行以下操作 -
    python numpy scipy sparse-matrix 2017-09-27

    0熱度

    1回答

    Pyspark稀疏矢量數據幀到scipy.spare而不收集

    我有這樣的疏火花數據幀： In [50]: data.show() +---------+-------+---------+-------+-------+--------+ | pid| 111516| 387745|1211811|1857606| 2187005| +---------+-------+---------+-------+-------+--------+ | 6
    scipy pyspark sparse-matrix collect 2017-10-04

    0熱度

    1回答

    在scipy中更新稀疏連接矩陣

    我正在使用一個連接矩陣來表示圖形數據結構。 NxM矩陣對應於具有M個頂點的N條邊（它可能具有比頂點更多的邊，這就是爲什麼我使用scipy的csr_matrix）。邊緣的「開始」點由「-1」表示，終點在連通性矩陣中由「1」表示。所有其他值都是0，所以每行只有2個非零值。 我需要整合一個「細分」方法，它將有效地更新連接矩陣。目前我正在將連通性矩陣轉換爲稠密矩陣，以便我可以添加新的行/列並更新舊的行。我
    python scipy sparse-matrix 2017-10-06

    0熱度

    2回答

    生成稀疏矩陣給出列表與字符串列表

    假設與字符串列表的列表如下 docs = [["hello", "world", "hello"], ["goodbye", "cruel"]] 一個人如何去創建一個稀疏矩陣，其中每一行代表上述列表中的子列表和每列代表一個像子列表中的「殘忍」的標記字符串。 我看着scipy文檔here和一些其他的stackoverflow帖子，但是，這一個是不清楚給我。 row_idx = 0
    python numpy scipy sparse-matrix 2017-10-06

    0熱度

    1回答

    以稀疏矩陣

    A=sc.array([[0,2,1],[2,0,3],[1,3,0]]) sA = sp.csc_matrix(A) Q2=np.exp(A) print Q2 Q1=sp.linalg.expm(sA) print (Q1) 我與大數據集的鄰接矩陣，我需要做的指數矩陣的工作指數（我用的是中信建投稀疏矩陣表示）。我是用玩具數據集像上面的錯誤測試並發現scipy.sparse.li
    python numpy matrix sparse-matrix 2017-10-06

    4熱度

    1回答

    中的R xgboost預測是稀疏和密集矩陣

    我訓練使用xgboost庫中由sparse.model.matrix產生的矩陣R的簡單模型不同，那麼我做了兩個驗證數據集的預測 - 通過創建一個sparse.model.matrix從Matrix和從stats第二個由model.matrix。令我驚喜的結果差異很大。稀疏矩陣和稠密矩陣具有相同的維度，所有數據都是數字，並且沒有缺失值。 在這兩套 平均預測如下： 密集驗證矩陣：0.5009256 稀
    r machine-learning sparse-matrix xgboost 2017-10-09

    2熱度

    1回答

    使用scipy.sparse.linalg線性系統求解器的問題

    我有線性系統來解決這個問題，它由大型稀疏矩陣組成。 我一直在使用scipy.sparse庫和它的linalg子庫來做到這一點，但我不能讓一些線性求解器工作。 這裏是一個工作例子再現問題對我來說： from numpy.random import random from scipy.sparse import csc_matrix from scipy.sparse.linalg import
    python scipy sparse-matrix linear-algebra 2017-10-11
最新問題