特征稀疏向量：找到最大系数答案

【问题标题】：Eigen Sparse Vector : Find max coefficient特征稀疏向量：找到最大系数
【发布时间】：2018-10-16 04:49:29
【问题描述】：

我正在使用 Eigen 处理稀疏向量，我需要找到一种有效的方法来计算最大系数（或第 n 个最大系数）的索引。

我的初始方法使用 Eigen::SparseVector::InnerIterator，但是在向量只包含零和负值的情况下它不会计算正确的值，因为 InnerIterator 只迭代非零值。

如何实现它以考虑零值？

【问题讨论】：

所以如果你所有的条目都是负数，你想要第一个空元素的索引吗？
顺便说一句，非零的平均数量与向量大小的关系是多少？如果该比率高于 20%，那么我建议切换到具有显式零的密集存储。您将获得更高的性能和更简单的性能。
是的，ggael，就是这样。但我不知道最有效的方法是什么。

标签： c++ max sparse-matrix eigen

【解决方案1】：

要获取最大非零元素的索引，可以使用这个函数：

Eigen::Index maxRow(Eigen::SparseVector<double> const & v)
{
    Eigen::Index nnz = v.nonZeros();
    Eigen::Index rowIdx;
    double value = Eigen::VectorXd::Map(v.valuePtr(), nnz).maxCoeff(&rowIdx);
    // requires special handling if value <= 0.0
    return v.innerIndexPtr()[rowIdx];
}

如果是value <=0（和v.nonZeros()<v.size()），您可以遍历innerIndexPtr()，直到找到连续元素之间的间隙（或者使用std::lower_bound 编写更复杂的内容）

要获得第 n 个最大元素，这取决于您的 n 相对于向量大小的大小、您有多少非零、是否可以修改您的 SparseVector 等等。

特别是如果n比较大，考虑把partition你的元素分成正负元素，然后在正确的一半使用std::nth_element。

【讨论】：

【解决方案2】：

与内部迭代器同时迭代索引数组（我认为是innerIndices）。

【讨论】：