這篇文章主要介紹spark mllib中數(shù)據(jù)降維之如何實(shí)現(xiàn)奇異值分解,文中介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們一定要看完!
成都創(chuàng)新互聯(lián)公司10多年成都企業(yè)網(wǎng)站建設(shè)服務(wù);為您提供網(wǎng)站建設(shè),網(wǎng)站制作,網(wǎng)頁設(shè)計(jì)及高端網(wǎng)站定制服務(wù),成都企業(yè)網(wǎng)站建設(shè)及推廣,對成都柔性防護(hù)網(wǎng)等多個(gè)行業(yè)擁有多年的網(wǎng)站制作經(jīng)驗(yàn)的網(wǎng)站建設(shè)公司。
package spark.DataDimensionReduction import org.apache.spark.mllib.linalg.Vectors import org.apache.spark.mllib.linalg.distributed.RowMatrix import org.apache.spark.{SparkContext, SparkConf} /** * 數(shù)據(jù)降維 * 一個(gè)矩陣在計(jì)算過程中,將它在一個(gè)方向上進(jìn)行拉伸,需要關(guān)心的是拉伸的幅度與方向. * 奇異值分解(SVD):一個(gè)矩陣分解成帶有方向向量的矩陣相乘 * Created by eric on 16-7-24. */ object SVD { val conf = new SparkConf() //創(chuàng)建環(huán)境變量 .setMaster("local") //設(shè)置本地化處理 .setAppName("SVD") //設(shè)定名稱 val sc = new SparkContext(conf) def main(args: Array[String]) { val data = sc.textFile("./src/main/spark/DataDimensionReduction/a.txt") .map(_.split(" ").map(_.toDouble)) .map(line => Vectors.dense(line)) val rm = new RowMatrix(data) //讀入行矩陣 val SVD = rm.computeSVD(2, computeU = true) //進(jìn)行SVD計(jì)算 println(SVD) //打印SVD結(jié)果矩陣 //求 SVD 分解的矩陣 println("*********************") val u = SVD.U val s = SVD.s val v = SVD.V println(u, s, v) } }
1 2 3 4 5 6 7 8 9 0 8 7 6 4 2 1
以上是“spark mllib中數(shù)據(jù)降維之如何實(shí)現(xiàn)奇異值分解”這篇文章的所有內(nèi)容,感謝各位的閱讀!希望分享的內(nèi)容對大家有幫助,更多相關(guān)知識,歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道!
當(dāng)前文章:sparkmllib中數(shù)據(jù)降維之如何實(shí)現(xiàn)奇異值分解
當(dāng)前URL:http://m.rwnh.cn/article26/jcgicg.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供外貿(mào)網(wǎng)站建設(shè)、電子商務(wù)、網(wǎng)站維護(hù)、網(wǎng)站策劃、關(guān)鍵詞優(yōu)化、網(wǎng)頁設(shè)計(jì)公司
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來源: 創(chuàng)新互聯(lián)