mahout - 聚类——稀疏向量和密集向量

Question

对于聚类，Mahout 输入需要采用向量形式。有两种类型的向量实现。一种是稀疏向量，另一种是密集向量。

两者有什么区别？

Sparse 和 Dense 的使用场景？

Answer 1

从概念上讲，稀疏向量中的大多数值都为零，而在稠密向量中则不是。稠密矩阵和稀疏矩阵相同。术语稀疏和密集通常描述这些属性，不仅在 Mahout 中。

在 Mahout 中 DenseVector假设没有太多的零条目，因此“将向量实现为 double 数组”( org.apache.mahout.math.DenseVector )。相比之下，AbstractVector 的稀疏向量实现，例如RandomAccessSparseVector和 SequentialAccessSparseVector ，使用完全不存储零值的不同数据结构。

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，稀疏向量实现将更节省空间，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。

密集向量与稀疏向量的选择不会影响您对向量的计算结果，只会影响内存使用和计算速度。