聚类--稀疏向量和密集向量

Question

对于聚类，Mahout输入需要向量形式。矢量实现有两种类型。一个是稀疏向量，另一个是稠密向量。

两者有什么区别？

稀疏和密集的使用场景？

Answer 1

在概念上，稀疏向量中的大多数值为零，而在稠密向量中，它们不是。稠密和稀疏矩阵也是如此。“稀疏”和“密集”一词通常描述这些属性，而不仅仅是在Mahout中。

在Mahout中，DenseVector假设没有太多的零项，因此“将向量实现为一个双重数组”(org.apache.mahout.math.DenseVector)。相反，AbstractVector的稀疏向量实现(如RandomAccessSparseVector和SequentialAccessSparseVector )使用不同的数据结构，根本不存储零值。

选择哪一个取决于要存储在向量中的数据。如果您期望的值大多为零，则稀疏向量实现的空间效率将更高，但是如果将其用于只有几个零值的数据，则会引入大量的数据结构开销，从而导致性能下降。

密集向量和稀疏向量的选择不会影响对向量的计算结果，只会影响内存的使用和计算速度。