文件名称：sparse:线性代数的稀疏矩阵格式支持科学和机器学习应用
文件大小：75KB
文件格式：ZIP
更新时间：2024-06-04 11:22:44
go golang machine-learning csc vector
稀疏矩阵格式 选定的稀疏矩阵格式的线性代数支持科学和机器学习应用程序。 与软件包中的API兼容，并且可以与Gonum密集矩阵类型互操作。 概述 机器学习应用程序通常将实体建模为数值特征的向量，以便可以对它们进行定量比较和分析。 通常，这些向量中的大多数元素为零。 在文本挖掘应用程序的情况下，语料库中的每个文档都表示为矢量，并且其特征表示唯一单词的词汇表。 数千个文档的语料库可能使用数十万个（甚至可能数百万个）唯一单词的词汇表，但是每个文档通常只包含数百个唯一单词。 这意味着矩阵中非零值的数量可能仅约为1％。 稀疏矩阵格式通过仅存储非零值来利用此前提，从而减少了存储/内存需求以及用于处理数据的处理工作。 特征 标准例程的实现。 与兼容，并且可以与Gonum的密集矩阵类型互操作。 实施格式： 稀疏矩阵格式： 格式 格式（有时称为“三胞胎”） 格式 CSC（压缩稀疏列）格式 DIA
【文件预览】：
sparse-master
----go.mod(140B)
----cholesky_test.go(9KB)
----diagonal_test.go(3KB)
----vector.go(17KB)
----doc.go(2KB)
----dictionaryofkeys.go(5KB)
----cholesky.go(5KB)
----.travis.yml(224B)
----compressed.go(20KB)
----compressed_arith.go(16KB)
----persistence.go(34KB)
----binary_test.go(8KB)
----LICENSE(1KB)
----binary.go(11KB)
----coordinate.go(9KB)
----go.sum(5KB)
----dictionaryofkeys_test.go(5KB)
----persistence_test.go(22KB)
----benchmarks_test.go(9KB)
----example_test.go(4KB)
----README.md(6KB)
----vector_test.go(19KB)
----compressed_test.go(11KB)
----sparse_test.go(895B)
----matrix_test.go(7KB)
----compressed_arith_test.go(17KB)
----pool.go(2KB)
----matrix.go(11KB)
----coordinate_test.go(4KB)
----blas()
--------level2_test.go(3KB)
--------dot_amd64.s(2KB)
--------doc.go(262B)
--------axpy.go(405B)
--------axpy_amd64.s(2KB)
--------stubs_amd64.go(598B)
--------benchmarks_test.go(3KB)
--------level1_test.go(6KB)
--------dot.go(394B)
--------README.md(1KB)
--------level3_test.go(3KB)
--------level2.go(1KB)
--------level3.go(742B)
--------matrix_test.go(3KB)
--------matrix.go(3KB)
--------level1.go(1KB)
----diagonal.go(5KB)