用于混合数据类型的Java Matrix库（包括字符串）

Question

我正在寻找一个Java Matrix库来执行数据分析并实现聚类算法（如K-means或DBSCAN）

我找到了Colt和Parallel Colt（大型和小型数据集表现最佳），但显然他们不支持String Matrices。数据集条目应该只是双矩阵。

有什么建议吗？

提前感谢您的帮助。

Answer 1

看看ELKI。它支持任意距离函数，并且已经具有余弦距离。所以它显然可以在文本数据上运行这些算法。

请注意，对于大多数应用程序，您需要将字符串数据转换为TF-IDF向量，因为余弦距离也是在数字向量上定义的。但是，这些向量通常是稀疏的，因此对稀疏向量的优化处理会得到回报。