溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點(diǎn)擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

如何解析Spark-MLlib中的向量

發(fā)布時(shí)間：2021-12-17 10:23:48 來源：億速云 閱讀：173 作者：柒染 欄目：大數(shù)據(jù)

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。

       如何解析Spark-MLlib中的向量      

矩陣轉(zhuǎn)置

           如何解析Spark-MLlib中的向量    

           如何解析Spark-MLlib中的向量    

向量

           如何解析Spark-MLlib中的向量    

Spark 向量是以對象形式存儲的

Vector
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。

向AI問一下細(xì)節(jié)

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。

AI
助
手