【python-机器学习】2. 稀疏矩阵

在机器学习中，数据集往往非常庞大，但是很多情况下，其中包含大量的零元素。在矩阵中，若数值为0的元素数目远远多于非0元素的数目，并且非0元素分布没有规律时，则称该矩阵为 稀疏矩阵；与之相反，若非0元素数目占大多数时，则称该矩阵为 稠密矩阵。

稀疏矩阵只保存矩阵中的非零元素，忽略值为零的剩余元素，这样能节省大量的计算成本。

在压缩的稀疏行（compressed sparse row, CSR) 矩阵中，可以使用下标标记矩阵元素中的非零值，在大型矩阵计算中，有明显的优势。

import numpy as np
from scipy import sparse

# 创建一个矩阵
matrix = np.array([[0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0], [3, 0, 0, 0, 0, 0]])

# 创建一个压缩的稀疏行（compressed sparse row,CSR)矩阵
matrix_sparse = sparse.csr_matrix(matrix)

print(matrix_sparse)
# 结果：
#  (1, 1)	1
#  (2, 0)	3

在需要的时候，可以通过调用 todense() 函数将稀疏矩阵转换回密集矩阵。