怎么进行稀疏矩阵转化
怎么进行稀疏矩阵转化
目录
-
- 怎么进行稀疏矩阵转化
-
- 矩阵压缩存储技术
-
- 坐标格式（Coordinate Format，COO）
- 压缩稀疏行格式（Compressed Sparse Row Format，CSR）
- 矩阵分解技术：SVD
-
- 奇异值分解（Singular Value Decomposition，SVD）
- 非负矩阵分解（Non - negative Matrix Factorization，NMF）
- 特征选择与降维技术
-
- 主成分分析（Principal Component Analysis，PCA）
矩阵压缩存储技术
这类技术主要通过仅存储稀疏矩阵中的非零元素及其位置信息，从而达到减少存储空间的目的，在一定程度上可视为将矩阵“变小”。
坐标格式（Coordinate Format，COO）
- 原理：分别用三个数组来存储非零元素的值、行索引和列索引。例如，对于一个稀疏矩阵中的非零元素
(i, j, value)，分别将i存储在行索引数组、j存储在列索引数组、value存储在值数组中。 - 示例代码（Python + SciPy）
import numpy as np
from scipy.sparse