稀疏矢量，它们是什么？

Question

我正在使用Mahout API进行朴素贝叶斯分类器。其中一个功能是SparseVectorsFromSequenceFiles，尽管我尝试过旧的Google搜索，但我仍然不知道稀疏矢量是什么。 最接近我的解释是site，这对我没有帮助。

Answer 1

从概念上讲，向量表示数组的泛化，即允许使用索引任意访问其元素的数据结构。 Java的内置数组Vector<T>和ArrayList<T>是实现＆＃34;常规＆＃34;的数据结构的示例。 （密集）矢量概念。

密集向量通过使用简单公式baseAddress + index * elementSize将向量索引转换为内存地址，提供对其元素的恒定时间访问。这意味着内存中的大小与向量需要支持的最大索引成比例。

虽然在希望放入矢量和最高可能索引的元素数量相对接近的情况下，这是可以接受的。但是，如果您希望使用范围较广的索引来索引相对较少数量的元素（例如，分散在具有100,000个索引的向量上的1,000个元素），则分配100,000个空格是浪费的。您可以通过实现暴露向量接口的数据结构来节省内存，但代价是CPU周期，但内部表示使用较少的内存。

链接中的示例显示了一种可能的实现方式。其他实现也是可能的，具体取决于数据中索引的分布。如果索引是随机分布的，则可以使用HashMap<Integer,T>作为稀疏向量的后备存储。如果索引聚集在一起，您可以将索引空间拆分为＆＃34; pages＆＃34;，并将实数数组仅分配给您需要的页面。此实现类似于物理内存分配给虚拟内存空间的方式。