聚类 - 稀疏向量和密集向量

Question

对于群集，Mahout输入需要采用矢量形式。有两种类型的矢量实现。一个是稀疏矢量，另一个是密集矢量。

两者之间有什么区别？

Sparse and Dense的使用场景？

Answer 1

概念上，稀疏向量中的大多数值都是零，在密集向量中它们不是。密集和稀疏矩阵也是如此。术语稀疏和密集通常不仅在Mahout中描述这些属性。

在Mahout中，DenseVector假定没有太多的零条目，因此＆＃34;将向量实现为双精度数组＆＃34; （org.apache.mahout.math.DenseVector）。相比之下，AbstractVector的稀疏矢量实现，例如RandomAccessSparseVector和SequentialAccessSparseVector使用不同的数据结构，根本不存储零值。

取一个取决于您要存储在向量中的数据。如果您期望大多数为零值，则稀疏向量实现将提高空间效率，但是如果将其用于只有几个零值的数据，则会引入大量数据结构开销，从而导致性能下降。

密集与稀疏向量的选择不会影响向量的计算结果，只影响内存使用和计算速度。