Spark 머신 러닝 (4) 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
국부 행렬은 정수형 줄과 열의 인덱스와 부동점수 유형의 값으로 구성되어 하나의 단독 노드에 저장된다.Mllib은 밀집 행렬을 지원합니다. entry 값은 일차 부동점수 그룹에 저장되며, 열을 정렬 키로 합니다.드문드문 행렬,non-zero entry 값,Compressed Sparse Column (CSC) 형식으로 저장되며, 열 키로 정렬됩니다.예를 들어 아래의 밀집 행렬
                                                        |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) .
1차원 그룹에 저장됨 [1.0, 3.0, 5.0, 2.0, 4.0, 6.0] ， size (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.
국부 행렬의 기류는Matrix이다. 우리는 두 가지 실현을 제공했다. DenseMatrix, andSparseMatrix. 
권장 사항Matrices  。 ， MLlib 。
Refer to the  Matrix  Scala docs and  Matrices  Scala docs for details on the API.
자세한 내용은 Matrix Scala docs andMatrices Scala docs API를 참조하십시오.

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))