如何在Eigen中有效地初始化SparseVector

Question

在用于填充稀疏矩阵的Eigen文档中，建议使用三重填充方法，因为它比调用涉及二进制搜索的coeffRef效率更高。

但是，对于填充SparseVectors ，没有关于如何有效地进行填充的明确建议。

在此SO答案中建议的方法使用coeffRef ，这意味着coeffRef每个插入执行二进制搜索。

有推荐的有效方法来构建稀疏向量吗？ 我应该尝试创建单行SparseMatrix并将其存储为SparseVector吗？

我的用例是读取LibSVM文件，其中可以有数百万个非常稀疏的功能和数十亿个数据点。 我目前将它们表示为std::vector<Eigen::SparseVector> 。 也许我应该只使用SparseMatrix ？

编辑：我尝试过的一件事是这样的：

// for every data point in a batch do the following:

Eigen::SparseMatrix<float> features(1, num_features);
// copy the data over
typedef Eigen::Triplet<float> T;
std::vector<T> tripletList;
for (int j = 0; j < num_batch_instances; ++j) {
  for (size_t i = batch.offset[j]; i < batch.offset[j + 1]; ++i) {
    uint32_t index = batch.index[i];
    float fvalue = batch.value;
    if (index < num_features) {
      tripletList.emplace_back(T(0, index, fvalue));
    }
  }
  features.setFromTriplets(tripletList.begin(), tripletList.end());
  samples->emplace_back(Eigen::SparseVector<float>(features));
}

这将创建一个SparseMatrix采用三重列表方法，然后创建一个SparseVector从该对象。 在我的具有〜1.4M功能和非常高稀疏性的实验中，这比使用SparseVector和coeffRef慢了SparseVector 数量级 ，而我绝对没想到。