您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)如何解析Spark-MLlib中的向量,文章內(nèi)容質(zhì)量較高,因此小編分享給大家做個(gè)參考,希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。
Spark 向量是以對象形式存儲的
scala> import org.apache.spark.mllib.linalg.{Vectors,Vector}import org.apache.spark.mllib.linalg.{Vectors, Vector}scala> Vectors.dense(1,2,3,4)res0: org.apache.spark.mllib.linalg.Vector = [1.0,2.0,3.0,4.0]scala> breeze.linalg.DenseVector(1,2,3,4)res1: breeze.linalg.DenseVector[Int] = DenseVector(1, 2, 3, 4)scala> res1.tres2: breeze.linalg.Transpose[breeze.linalg.DenseVector[Int]] = Transpose(DenseVector(1, 2, 3, 4))scala> res1+res1res3: breeze.linalg.DenseVector[Int] = DenseVector(2, 4, 6, 8)scala> res1*res1.tres4: breeze.linalg.DenseMatrix[Int] =1 2 3 42 4 6 83 6 9 124 8 12 16
關(guān)于如何解析Spark-MLlib中的向量就分享到這里了,希望以上內(nèi)容可以對大家有一定的幫助,可以學(xué)到更多知識。如果覺得文章不錯(cuò),可以把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。