聚类——稀疏向量和密集向量答案

【问题标题】：Clustering -- Sparse vector and Dense Vector聚类——稀疏向量和密集向量
【发布时间】：2013-07-28 10:21:27
【问题描述】：

对于聚类，Mahout 输入需要采用矢量形式。有两种类型的向量实现。一个是稀疏向量，另一个是密集向量。

两者有什么区别？

稀疏和密集的使用场景？

【问题讨论】：

标签： mahout

【解决方案1】：

从概念上讲，稀疏向量中的大多数值都是零，而在密集向量中则不是。对于密集和稀疏矩阵也是如此。术语 sparse 和 dense 通常描述这些属性，不仅在 Mahout 中。

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

取哪一个取决于您要存储在向量中的数据。如果您期望大部分为零值，则稀疏向量实现会更节省空间，但是如果您将它用于只有几个零值的数据，则会引入大量数据结构开销，这可能会导致性能下降。

稠密向量与稀疏向量的选择不会影响你对向量的计算结果，只会影响内存使用和计算速度。

【讨论】：