spark向量矩阵的使用（scala）

川长思鸟来 2022-06-17 00:53 246阅读 0赞

向量和矩阵都是做机器学习的基础，下面来介绍下使用  
spark的底层的向量和矩阵是基于Breeze的,下面主要介绍下Breeze的使用，下面直接给代码，代码上有注释  
**需要引入的包**

import breeze.linalg._
    import breeze.numerics._
    import org.apache.log4j.{Level, Logger}
    import org.apache.spark.{SparkConf, SparkContext}

**Breeze 创建函数**

val conf = new SparkConf().setAppName("breezeTest").setMaster("local[3]")
        val sc = new SparkContext(conf)
        Logger.getRootLogger.setLevel(Level.WARN)
    
        //3.1.1 Breeze 创建函数
        //创建0矩阵和向量
        val m1 = DenseMatrix.zeros[Double](2,3)
        val v1 = DenseVector.zeros[Double](3)
        //创建元素都是1的向量
        val v2 = DenseVector.ones[Double](3)
        //创建指定元素的向量
        val v3 = DenseVector.fill(3)(5.0)
        //根据范围创建向量参数（start，end，step）
        val v4 = DenseVector.range(1,10,2)
        //创建对角线为1的矩阵
        val m2 = DenseMatrix.eye[Double](3)
        //创建指定对角线元素的矩阵
        val v6 = diag(DenseVector(1.0,2.0,3.0))
        //根据向量创建矩阵，每个数组就是一行
        val m3 = DenseMatrix((1.0,2.0),(3.0,4.0))
        //根据元素创建向量
        val v8 = DenseVector(1,2,3,4)
        //val v9 = v8.t
        //转置
        val v9 = DenseVector(1,2,3,4).t
        //根据下标创建向量和矩阵
        val v10 = DenseVector.tabulate(3){i=>2*i}
        val m4 = DenseMatrix.tabulate(3,2){
       case(i,j) =>i+j}
        //根据数组创建向量和矩阵
        val v11 = new DenseVector(Array(1,2,3,4))
        val m5 = new DenseMatrix(2,3,Array(11,12,12,21,21,11))
        //创建一个随机向量和矩阵
        val v12 = DenseVector.rand(4)
        val m6 = DenseMatrix.rand(2,3)

**Breeze 元素访问**

//元素访问
        val a = DenseVector(1,2,3,4,5,6,7,8,9)
        //访问指定的元素
        a(0)
        //访问子元素，返回还是一个向量
        a(1 to 4)
        //指定起始和终止位置，和补偿
        a(5 to 1 by -1)
        //-1 代表最后的元素
        a(1 to -1)
        //访问最后元素
        a(-1)
    
        val m = DenseMatrix((1.0,2.0,3.0),(4.0,5.0,6.0))
        //访问指定的元素
        m(0,1)
        //访问某列的元素，返回一个向量
        m(::,1)
        //访问某一行
        m(1,::)
    
        //元素操作
        val m_1 = DenseMatrix((1.0,2.0,3.0),(4.0,5.0,6.0))
        //变成3行2列的矩阵
        m_1.reshape(3,2)
        //生成一个向量
        m_1.toDenseVector
    
        val m_3 = DenseMatrix((1,2,3),(4,5,6),(7,8,9))
        //取上三角和下三角
        lowerTriangular(m_3)
        upperTriangular(m_3)
        //copy生成一个新的矩阵
        m_3.copy
        //对角线生成一个向量
        diag(m_3)
        //改变矩阵里面的元素
        m_3(::,2) := 5
        m_3
        m_3(1 to 2,1 to 2) := 5
        m_3
    
        //改变向量里面的元素
        val a_1 =  DenseVector(1,2,3,4,5,6,7,8,9,10)
        a_1(1 to 4) := 5
        a_1
        a_1(1 to 4) := DenseVector(1,2,3,4)
        a_1
    
        //矩阵的连接和向量的连接
        val a1 = DenseMatrix((1,2,3),(4,5,6))
        val a2 = DenseMatrix((1,1,1),(2,2,2))
        //竖直的连接
        DenseMatrix.vertcat(a1,a2)
        //水平连接
        DenseMatrix.horzcat(a1,a2)
        val b1 = DenseVector(1,2,3,4)
        val b2 = DenseVector(1,1,1,1)
        //水平连接
        DenseVector.vertcat(b1,b2)
        //两列的形式连接
        DenseVector.horzcat(b1,b2)

**Breeze 数值计算函数**

val a_3 = DenseMatrix((1,2,3),(4,5,6))
        val b_3 = DenseMatrix((1,1,1),(2,2,2))
        //对应元素相操作
        a_3 + b_3
        a_3 :* b_3
        a_3 :/ b_3
        a_3 :< b_3
        a_3 :== b_3
        a_3 :+= 1
        a_3 :*= 2
        max(a_3)
        //最大值位置的索引
        argmax(a_3)
        //内积
        DenseVector(1,2,3,4) dot DenseVector(1,1,1,1)

**Breeze 求和函数**

val a_4 = DenseMatrix((1,2,3),(4,5,6),(7,8,9))
        sum(a_4)
       //每一列进行求和 12 15 18
        sum(a_4,Axis._0)
       //每一行进行求和 DenseVector(6, 15,24)
        sum(a_4,Axis._1)
       //对角线求和
        trace(a_4)
       //把前面的元素相加 DenseVector(1, 3, 6, 10)
        accumulate(DenseVector(1,2,3,4))

**Breeze 布尔函数**

val a_5 = DenseVector(true,false,true)
        val b_5 = DenseVector(false,true,true)
     a_5 :& b_5
     a_5 :| b_5
        !a_5
        val a_5_2 = DenseVector(1,0,-2)
        //任意一个元素为0即为true
        any(a_5_2)
        //所有元素都为0则为true
        all(a_5_2)

**Breeze 线性代数函数**

val a_6 = DenseMatrix((1,2,3),(4,5,6),(7,8,9))
        val b_6 = DenseMatrix((1,1,1),(1,1,1),(1,1,1))
        a_6 \ b_6
        //转置
        a_6.t
        //特征值
        det(a_6)
        //逆
        inv(a_6)
        //矩阵分解（有问题）
        val svd.SVD(u,s,v) = svd(DenseMatrix(1.1,2.0),(2.0,3.0))
        a_6.rows
        a_6.cols

**Breeze 取整函数**

val a_7 = DenseVector(1.2,0.6,-2.3)
        //四舍五入
        round(a_7)
        //往前进位
        ceil(a_7)
        //都舍去
        floor(a_7)
        //正的变为1.0 负的变为-1 0还是0
        signum(a_7)
        //绝对值
        abs(a_7)