sparse-matrix

2熱

1答えて

sklearn.manifold.MDS関数を使用して多次元スケーリング（MDS）を実行したい相違行列があります。このマトリックスのいくつかの要素間の相違点は意味がありません。そのため、疎行列または欠損値のある行列でMDSを実行する方法があるかどうか疑問に思っていますか？ this質問によると、0との相違は欠損値とみなされますが、私は公式文書でこの声明を見つけることができませんでした。お互いに非常

0熱

1答えて

Eigen：行主要な疎行列の異なる行単位のメモリ予約

Eigenライブラリでは、行ごとに疎行列の行（行ごとに異なる）の領域を予約することは可能ですか？私は非常に大きな疎なマトリックス（約70mio x 70mio〜20億nnzが私が手に入れることができる最大のものですが、もっと行きたいと思います）を満たすためにメモリ消費を最適化しようとしています。最初に私は推奨されているsetFromTripletsを使用していましたが、これはおそらくマトリック

1熱

1答えて

タプルのリストのリストから疎なlil_matrixを構築する

私は疎な行列のPythonの行情報リストを持っています。各行は、（列、値）タプルのリストとして表されます。 alistそれを呼び出す： alist = [[(1,10), (3,-3)], [(2,12)]] どのように効率的にこのような行列で、その結果、リストのリストから、scipyのダウンロードスパース行列を構築することができます。明白なアプローチはscipy.sparse.l

0熱

1答えて

対称行列をCSR形式で表現するにはどうすればよいですか？

私はCを使用していますが、プログラミング言語とコードは無関係ですが、私は信じています。高速行列ベクトル積のために、CSR形式の対称行列を表現したいと考えています。読み込まれる入力ストリームは、行列の上三角部分だけを数値で、左から右に、行から行に与えます。例： 0 2 3 5 2 0 1 4 3 1 0 9 5 4 9 0 入力ストリーム： 0 2 3 5 0 1 4 0 9 0

2熱

1答えて

Scipyスパース行列：ブール値の組み合わせ

Scipy（v0.18.1）のブール演算を使用して、スパース（2進）配列の列を結合したいと考えています。高密度マトリックスの場合、それはうまく動作します： data[:,5] & ~data[:,23] & data[:,400] 1つの列に崩壊します。しかし、これをスパース配列で行うとエラーが発生します。ブール部分のエラー：〜（反転）部分の "unsupported operand typ

0熱

1答えて

tmのTermDocumentMatrixの2つの文書間の余弦類似度を計算する

私の仕事はコーパスの文書を余弦類似度で比較することです。私はtmパッケージを使用し、TermDocumentMatrix（td-idf形式）tdmを取得します。次のタスクは、here d <- dist(tdm, method="cosine") または cosine_dist_mat <- 1 - crossprod_simple_triplet_matrix(tdm)/(sqrt(col_

1熱

1答えて

dfmスパース行列の値を置き換えます

私は単語頻度カウントのスパース行列を生成するためにquantedaパッケージを使用しています。出力がボンナリーになるように変更したいのですが、単純に1または0です。存在するかどうかはわかりますが、スパース行列でこれを行う方法がわかりません。 install.packages(quanteda) 例行列 trainingset <- as.dfm(matrix(c(1, 2, 0, 0, 0,

0熱

1答えて

SciPyのスパース行列の行列平方根演算はありますか？

私はscipyのダウンロードスパース行列にscipy.linalg.sqrtm（ない要素賢明平方根）のような行列の平方根演算を探していたが、私は何かを見つけることができません。つまり、scipy.sparse.linalg.sqrtmは存在しません。誰もが人々はsparse_matrix**powerを行うことによって、スパース行列の行列力を行う方法を提案してきたが、それは唯一の整数パワーを扱う

0熱

1答えて

スパース行列はどのようにメモリ使用量に影響しますか？

下の例では、大きな数字のnumpyオブジェクトを作成しています。対角線に乱数を入れてから、scipyスパース行列に変換します。私のメモリ使用量の報告は、タスクマネージャからのものです。 >>> import sys, random >>> import numpy as np >>> from scipy import sparse ## Memory in use at this poin