训练数据的稀疏向量答案

【问题标题】：Sparse vectors for training data训练数据的稀疏向量
【发布时间】：2020-03-14 10:50:45
【问题描述】：

我有这样的训练数据：

x_train = np.random.randint(100, size=(1000, 25))

其中每一行都是一个样本，因此我们有 1000 个样本。

现在我需要训练数据，以便每个样本/行在 25 个中最多可以有 3 个非零元素。

你们能建议我如何实现它吗？谢谢！

【问题讨论】：

标签： python numpy tensorflow machine-learning pytorch

【解决方案1】：

我假设您希望将大部分数据变为零，但每行保留（随机）0 到 3 个非零元素。如果是这种情况，可能的方法如下。

代码

import numpy as np
max_ = 3
nrows = 1000
ncols = 25

np.random.seed(7)

X = np.zeros((nrows,ncols))

data = np.random.randint(100, size=(nrows, ncols))

# number of max non-zeros to be generated for each column
vmax = np.random.randint(low=0, high=4, size=(nrows,))

for i in range(nrows):

  if vmax[i]>0:
      #index for setting non-zeros
      col = np.random.randint(low=0, high=ncols, size=(1,vmax[i]))

      #set non-zeros elements
      X[i][col] = data[i][col]

print(X)

输出

[[ 0. 68. 25. ...  0.  0.  0.]
 [ 0.  0.  0. ...  0.  0.  0.]
 [ 0.  0.  0. ...  0.  0.  0.]
 ...
 [ 0.  0.  0. ...  0.  0.  0.]
 [88.  0.  0. ...  0.  0.  0.]
 [ 0.  0.  0. ...  0.  0.  0.]]

【讨论】：

谢谢！我现在正在尝试。