SciPy NumPy和SciKit-learn，創建一個稀疏矩陣

Question

我目前正在嘗試對文本進行分類。 我的數據集太大了， 這里建議我需要使用稀疏矩陣。 我現在的問題是，將元素添加到稀疏矩陣的正確方法是什么？ 比方說，我有一個矩陣X，這是我的輸入。

X = np.random.randint(2, size=(6, 100))

現在這個矩陣X看起來像ndarray（或類似的東西）的ndarray。

如果我做

X2 = csr_matrix(X)

我有稀疏矩陣，但是如何在sparce矩陣中添加另一個元素？ 例如，這個密集元素：[1,0,0,0,1,1,1,0，...，0,1,0]到稀疏向量，如何將其添加到稀疏輸入矩陣？

（順便說一句，我是python的新手，scipy，numpy，scikit ......一切）

Answer 1

Scikit-learn有一個很棒的文檔，有很好的教程，你真的應該在嘗試自己發明之前閱讀。 這是第一個閱讀它解釋如何分類文本，一步一步， 這是一個使用稀疏表示的文本分類的詳細示例。

在本節中，要特別注意他們談論稀疏表示的部分。 一般來說，如果你想使用帶有線性內核的svm和大量的數據，LinearSVC（基於Liblinear）會更好。

關於你的問題 - 我確信有很多方法可以連接兩個稀疏矩陣（順便說一句，這是你應該在google中尋找的其他方法），這里有一個，但你必須從csr_matrix轉換為coo_matrix是一種稀疏矩陣的coo_matrix一種類型： 是否有一種連接scipy.sparse矩陣的有效方法？ 。

編輯：當連接兩個矩陣（或矩陣和數組是一個二維矩陣）時，一般的想法是連接X1.data和X2.data並操縱它們的indices和indptr s（或者在coo_matrix情況下為row和col ）指向正確的地方。 一些稀疏表示對於特定操作更好，而對於其他操作更復雜，您應該閱讀有關csr_matrix並查看這是否是最佳表示。 但我真的懇請你從我上面發布的那些教程開始。