python - SciPy 稀疏矩阵上的 numpy.allclose()

Question

def simrank_sparse(A,c,maxiter,eps=1e-4):

    if not sp.issparse(A):
        raise Exception("Input is not a sparse matrix ")

    n=sp.csr_matrix.get_shape(A)[0]
    Q=misc.get_column_normalized_matrix(A)
    sim=sp.eye(n)
    I=sp.eye(n)
    sim_prev=sp.csr_matrix(sim)

    for t in range(maxiter):

        if sc.allclose(sim,sim_prev,atol=eps):
            break
        sim_prev=sc.copy(sim)
        sim=c*(Q.T*sim_prev*Q)+(1-c)*I

    print("Converge after %d iterations (eps=%f)." % (t, eps))
    return sim

我正在使用稀疏矩阵，但 numpy.allclose() 函数给出了错误，因为它只将 numpy 数组作为输入。我不想将稀疏矩阵转换为数组然后再转换回稀疏矩阵，因为这样效率很低。是否有另一种方法来检查 allclose() 的两个稀疏矩阵？

Answer 1

您可以设置体系结构进行比较，然后使用 numpy 进行评估:

def csr_allclose(a, b, rtol=1e-5, atol = 1e-8):
    c = np.abs(np.abs(a - b) - rtol * np.abs(b))
    return c.max() <= atol

csr_matrix c 将包含被比较的两个矩阵的差异，如果任何绝对差异大于您的阈值水平，csr_allclose 将返回 False。但是，此实现不包括 numpy.allclose 方法提供的 NaN 功能。