密集向量与稀疏向量

机器学习中会经常用到向量，包括对特征的存储，优化的计算等。但是具体实现时，经常会采用两种方式存储向量：稀疏向量和密集向量

密集向量：也称为稠密向量，使用普通的数组来存储向量的值

稀疏向量：通常用两部分表示：一部分是索引向量，另一部分是值向量。

举例：向量(1.0,0.0,1.0,3.0)

密集格式：表示为[1.0,0.0,1.0,3.0]，

稀疏格式表示为(4,[0,2,3],[1.0,1.0,3.0])

第一个4表示向量的长度(元素个数)，[0,2,3]就是indices数组；[1.0,1.0,3.0]是values数组，表示向量0的位置的值是1.0，2的位置的值是1.0,而3的位置的值是3.0,其他的位置都是0，

稀疏向量在面对很多数据是零的情况下能节省很多的存储空间