扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
这篇文章将为大家详细讲解有关如何解析Spark-MLlib中的向量，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
创新互联长期为超过千家客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为行唐企业提供专业的成都网站设计、成都网站制作、外贸网站建设，行唐网站改版等技术服务。拥有十多年丰富建站经验和众多成功案例,为您定制开发。
Spark 向量是以对象形式存储的
scala> import org.apache.spark.mllib.linalg.{Vectors,Vector}import org.apache.spark.mllib.linalg.{Vectors, Vector}scala> Vectors.dense(1,2,3,4)res0: org.apache.spark.mllib.linalg.Vector = [1.0,2.0,3.0,4.0]scala> breeze.linalg.DenseVector(1,2,3,4)res1: breeze.linalg.DenseVector[Int] = DenseVector(1, 2, 3, 4)scala> res1.tres2: breeze.linalg.Transpose[breeze.linalg.DenseVector[Int]] = Transpose(DenseVector(1, 2, 3, 4))scala> res1+res1res3: breeze.linalg.DenseVector[Int] = DenseVector(2, 4, 6, 8)scala> res1*res1.tres4: breeze.linalg.DenseMatrix[Int] =1 2 3 42 4 6 83 6 9 124 8 12 16关于如何解析Spark-MLlib中的向量就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网