Spark機器學習（四） Local matrix -- Data Types

Local matrix

A local matrix has integer-typed row and column indices and double-typed values, stored on a single machine. MLlib supports dense matrices, whose entry values are stored in a single double array in column-major order, and sparse matrices, whose non-zero entry values are stored in the Compressed Sparse Column (CSC) format in column-major order. For example, the following dense matrix

局部矩陣由整數型行和列的索引和浮點數類型的值組成，存儲在一個單獨節點上。MLlib支持密集矩陣，entry值被存儲在一個一維浮點數數組，以列爲排序主鍵。而稀疏矩陣，non-zero entry值，以Compressed Sparse Column (CSC) 格式存儲，以列主鍵排序。例如，下面的密集矩陣

                                                        |1.0  2.0|

                                                        |3.0  4.0|

                                                        |5.0  6.0|

                                                    

is stored in a one-dimensional array [1.0, 3.0, 5.0, 2.0, 4.0, 6.0] with the matrix size (3, 2).

被存儲在一個一維數組 [1.0, 3.0, 5.0, 2.0, 4.0, 6.0]裏，矩陣的size爲(3,2)

Scala

The base class of local matrices is Matrix, and we provide two implementations: DenseMatrix, and SparseMatrix. We recommend using the factory methods implemented in Matrices to create local matrices. Remember, local matrices in MLlib are stored in column-major order.

局部矩陣的基類是Matrix，咱們提供了兩種實現：DenseMatrix, and SparseMatrix. 

咱們推薦使用Matrices 已經實現的工廠方法來建立局部矩陣。

記住，局部矩陣在MLlib中是以列排序存儲的。

Refer to the Matrix Scala docs and Matrices Scala docs for details on the API.

更多信息請參見Matrix Scala docs and Matrices Scala docs API。

import org.apache.spark.mllib.linalg.{Matrix, Matrices} 
// Create a dense matrix ((1.0, 2.0), (3.0, 4.0), (5.0, 6.0)) 
val dm: Matrix = Matrices.dense(3, 2, Array(1.0, 3.0, 5.0, 2.0, 4.0, 6.0)) 
// Create a sparse matrix ((9.0, 0.0), (0.0, 8.0), (0.0, 6.0)) 
val sm: Matrix = Matrices.sparse(3, 2, Array(0, 1, 3), Array(0, 2, 1), Array(9, 6, 8))