Question

我正在尝试使用稀疏矩阵作为ELKI SOD算法中的输入数据来检测异常值。我正在寻找关于稀疏数据的howto和faqs页面的帮助，所以我试图像这样使用SparseNumberVectorLabelParser和SparseVectorFieldFilter：

//data is a mxn matrix    
ArrayAdapterDatabaseConnection dataArray = new ArrayAdapterDatabaseConnection(data);
SparseDoubleVector.Factory sparseVector = new SparseDoubleVector.Factory();
SparseNumberVectorLabelParser<SparseDoubleVector> parser = new SparseNumberVectorLabelParser<SparseDoubleVector>(Pattern.compile("s*[,;s]s*")," \" ",Pattern.compile("^s*(#|//|;).*$"),null, sparseVector);
SparseVectorFieldFilter<SparseDoubleVector>  sparseFilter = new SparseVectorFieldFilter<SparseDoubleVector>();

ListParameterization params = new ListParameterization();
params.addParameter(AbstractDatabase.Parameterizer.DATABASE_CONNECTION_ID, dataArray);
params.addParameter(AbstractDatabaseConnection.Parameterizer.PARSER_ID, parser);
params.addParameter(AbstractDatabaseConnection.Parameterizer.FILTERS_ID, sparseFilter);
Database db = ClassGenericsUtil.parameterizeOrAbort(StaticArrayDatabase.class, params);
db.initialize();

params = new ListParameterization();
params.addParameter(SOD.Parameterizer.KNN_ID, 25);
params.addParameter(SharedNearestNeighborPreprocessor.Factory.NUMBER_OF_NEIGHBORS_ID, 10);
SOD<DoubleVector> sodAlg = ClassGenericsUtil.parameterizeOrAbort(SOD.class, params);
OutlierResult result = sodAlg.run(db);

但我有这个运行时异常：

Exception in thread "main" de.lmu.ifi.dbs.elki.data.type.NoSupportedDataTypeException: No data type found satisfying: NumberVector,field
Available types: DBID DoubleVector,field,mindim=7606,maxdim=12968
at de.lmu.ifi.dbs.elki.database.AbstractDatabase.getRelation(AbstractDatabase.java:154)
at de.lmu.ifi.dbs.elki.algorithm.AbstractAlgorithm.run(AbstractAlgorithm.java:80)

这是在java代码中使用SparseNumberVectorLabelParser和SparseVectorFieldFilter的正确方法吗？

Answer 1

ArrayAdapterDatabaseConnection专为密集数据而设计。对于稀疏数据，首先将其编码为密集阵列，然后将其重新编码为稀疏矢量没有多大意义。考虑直接将数据读取为稀疏向量以避免开销。

您看到的错误有不同的原因： SOD在固定维度的矢量场上指定，但稀疏矢量产生具有变量维度的关系。因此它找不到请求的数据类型（因此，NoSupportedDataTypeException）。

您可以使用SparseVectorFieldFilter强制数据具有固定的维度。

但我不确定SOD是否适用于稀疏数据。即使它应该工作，运行时和性能可能会很糟糕;因为该算法不对满足其设计假设的数据进行操作。稀疏数据通常最好使用利用和处理数据稀疏性的算法来处理。（也就是说，你也可以使用欧几里德距离来计算共享的最近邻居，这对于稀疏数据可能效果不好。如果SNN不好，SOD也不能正常工作）

如何使用ELKI处理稀疏数据？

1 个答案: