机器学习笔记 - 什么是稀疏矩阵?

本文介绍了稀疏矩阵的概念,以电影评分矩阵为例说明其在大数据场景中的应用。稀疏矩阵的优势在于节省存储空间和降低计算复杂度,特别是在处理如Netflix奖赛中的大规模推荐系统数据时。文章还提及了在scikit-learn中使用稀疏矩阵优化模型运行效率的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、什么是稀疏数据?

        当使用矩阵表示数据时,我们可以量化它包含的空值的数量。这被称为它的稀疏性。大部分包含零的矩阵(或数据集)称为稀疏矩阵。

2、一个简单的例子

        假设你让你的 4 个朋友给你 4 部不同电影的评分,从 1 到 5(如果他们没有看过,则为 0)。现在,假设您获得以下评分:

        这意味着约翰没有看过电影 1、2 和 4,但给第 3 部电影评分为 2。

        这个矩阵的稀疏度很低——准确地说是 38%(16 个值中有 6 个零 = 3/8 稀疏度),我们实际上将其称为“密集”矩阵。, 现在,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值