SciPy NumPy 和 SciKit-learn ，创建一个稀疏矩阵

Question

我目前正在尝试对文本进行分类。我的数据集太大，建议here，我需要使用稀疏矩阵。我现在的问题是，将元素添加到稀疏矩阵的正确方法是什么？例如，假设我有一个矩阵 X，这是我的输入。

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

现在这个矩阵 X 看起来像一个 ndarray 的 ndarray（或类似的东西）。

如果我这样做了

X2 = csr_matrix(X)

我有稀疏矩阵，但是如何向稀疏矩阵添加另一个元素？ 例如这个密集元素：[1,0,0,0,1,1,1,0,...,0,1,0] 到稀疏向量，我如何将它添加到稀疏输入矩阵？

（顺便说一句，我对 python、scipy、numpy、scikit ......一切都很陌生）

Answer 1

Scikit-learn 有一个很棒的文档，里面有很棒的教程，你真的应该在尝试自己发明它之前阅读。 This 是第一个读到的，它解释了如何对文本进行分步分类，this one 是使用稀疏表示进行文本分类的详细示例。

特别注意他们在this 部分讨论稀疏表示的部分。一般来说，如果你想使用带线性内核的 svm 并且数据量很大，LinearSVC（基于 Liblinear）会更好。

关于您的问题 - 我确信有很多方法可以连接两个稀疏矩阵（顺便说一句，这是您应该在 google 中寻找的其他方法），这是一个，但您必须转换从 csr_matrix 到 coo_matrix，这是另一种稀疏矩阵：Is there an efficient way of concatenating scipy.sparse matrices?。

编辑：当连接两个矩阵（或一个矩阵和一个一维矩阵的数组）时，一般的想法是连接 X1.data 和 X2.data 并操纵它们的 indices 和indptrs（或row 和col，如果是coo_matrix）指向正确的位置。一些稀疏表示对于特定操作更好，而对于其他操作更复杂，您应该阅读csr_matrix 并查看这是否是最佳表示。但我真的敦促你从我上面发布的那些教程开始。