本文主要是介绍3 Spark机器学习 spark MLlib 矩阵向量、矩阵运算Breeze库-1，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
机器学习里矩阵是必不可少的，无论Python、Java能做机器学习的语言，都会提供比较优质的矩阵库。
spark mllib中提供的矩阵库是Breeze，可以简单看看Breeze库的情况。
ScalaNLP是一套机器学习和数值计算的库，主要是关于科学计算、机器学习和自然语言处理（NLP）的，里面包含三个库，Breeze、Epic和Puck。
其中Breeze是机器学习和数值计算库，Epic是一种高性能统计分析器和结构化预测库，Puck是一个快速GPU加速解析器。
本篇就是来看看Breeze的用法。
1 Breeze创建矩阵、向量
创建向量：
//创建全0的向量val v1 = DenseVector.zeros[Double](5)println(v1)//创建全1的向量val v2 = DenseVector.ones[Double](5)println(v2)//用某个值填充整个向量val v3 = DenseVector.fill(3){5}println(v3)//创建某个范围内的向量，参数分别是start、end、step（可不填）val v4 = DenseVector.range(1, 10, 2)println(v4)//按照行创建向量val v5 = DenseVector(1, 2, 3, 4)println(v5)//向量转置，就是把行向量转为列向量val v6 = DenseVector(1, 2, 3, 4).tprintln(v6)//从数组创建向量val v7 = DenseVector(Array(1, 2, 3, 4))println(v7)//0到1的随机向量，参数是数量val v8 = DenseVector.rand(4)println(v8)//从函数创建向量val v9 = DenseVector.tabulate(3){i => 2 * i}println(v9)根据注释，基本可以猜到结果是什么。下面看结果：
DenseVector(0.0, 0.0, 0.0, 0.0, 0.0)
DenseVector(1.0, 1.0, 1.0, 1.0, 1.0)
DenseVector(5, 5, 5)
DenseVector(1, 3, 5, 7, 9)
DenseVector(1, 2, 3, 4)
Transpose(DenseVector(1, 2, 3, 4))
DenseVector(1, 2, 3, 4)
DenseVector(0.712553382031057, 0.7818284949827337, 0.55561285848614, 0.9092804939652446)
DenseVector(0, 2, 4)创建矩阵：
//创建全0的矩阵，2行3列val m1 = DenseMatrix.zeros[Double](2, 3)println(m1)//单位矩阵，对角线为1，其他全为0val m2 = DenseMatrix.eye[Double](3)println(m2)//对角矩阵，用给定的值作为对角线，其他全为0val m3 = diag(DenseVector(1, 2, 3))println(m3)//按照行创建矩阵val m4 = DenseMatrix((1, 2, 3), (4, 5, 6))println(m4)//从数组创建矩阵val m5 = new DenseMatrix(2, 3, Array(1, 2, 3, 4, 5, 6))println(m5)//0到1的随机矩阵val m6 = DenseMatrix.rand(2, 3)println(m6)//从函数创建矩阵val m7 = DenseMatrix.tabulate(2, 3) {case(i, j) => i + j}println(m7)结果是：
2 Breeze访问矩阵元素
前面是各种方式创建矩阵和向量的代码，这里来看看如何访问元素。
val v = DenseVector(Array(1, 2, 3, 4, 5, 6))//-1是末位，其他的v(0)println(v(-1))//指定坐标范围println(v(0 to 4))//按照指定步长取子集println(v(4 to 0 by -1))println(v(1 to -1))val m = DenseMatrix((1, 2, 3),(4, 5, 6))//指定矩阵的位置println(m(0, 1))//指定列println(m(::, 1))结果是：
6
DenseVector(1, 2, 3, 4, 5)
DenseVector(5, 4, 3, 2, 1)
DenseVector(2, 3, 4, 5, 6)
2
DenseVector(2, 5)3 Breeze元素操作
元素的操作有很多种，譬如赋值、矩阵转换、调整形状、连接矩阵等。
| 操作名称 | Breeze函数 |
| 调整矩阵形状 | a.reshape(3,2) |
| 矩阵转成向量 | a.toDenseVector |
| 矩阵复制 | a.copy |
| 取对象线元素 | diag(a) |
| 给子集赋数值 | a(1 to 4) := 5.0 |
| 给子集赋向量 | a(1 to 4) :=DenseVector(1,2,3) |
| 矩阵赋值 | a(1 to 3,1 to 3) := 5.0 |
| 矩阵列赋值 | a(::,2) := 5.0 |
| 垂直连接矩阵 | DenseMatrix.vertcat(a.b) |
| 横向连接矩阵 | DenseMatrix.horzcat(d,e) |
| 向量连接 | DenseVector.vertcat(a,b) |
我们来看看各个功能：
定义一个初始的矩阵，4行3列
val m = DenseMatrix((1, 2, 3), (4, 5, 6), (7, 8, 9), (10, 11, 12))1 2 3
4 5 6
7 8 9
10 11 12 1.
//转成vector向量val denseVector = m.toDenseVectorprintln(denseVector)结果是：
DenseVector(1, 4, 7, 10, 2, 5, 8, 11, 3, 6, 9, 12)注意一下这个结果，将矩阵转为向量时，是按照列的顺序依次获取所有元素组成一个向量的。
2.
//形状变成3行4列val reshape = m.reshape(3, 4)结果是：
1 10 8 6
4 2 11 9
7 5 3 12 可以看到，矩阵变形时也是按照列从上到下从左到右依次填满矩阵的。
3.
然后看一下diag，取对角线元素。
val m1 = DenseMatrix((1, 2, 3), (4, 5, 6), (7, 8, 9))//取对角线元素val diagM1 = diag(m1)println(diagM1)结果如下图，需要注意的是，diag只支持行列数一样的矩阵，譬如3行3列。而3行4列的就无法使用该函数了。
DenseVector(1, 5, 9)4.
修改某一列的值
//将第二列的值变成5m1(::, 2) := 5println(m1)结果：
1 2 5
4 5 5
7 8 5 5.
给某个行列区间赋值
//矩阵赋值，从第二行到第三行，第二列到第三列赋值为5m1(1 to 2, 1 to 2) := 5println(m1)结果：
1 2 3
4 5 5
7 5 5 6.
垂直连接矩阵
//垂直连接矩阵val a1 = DenseMatrix((1, 2, 3), (4, 5, 6))val a2 = DenseMatrix((7, 8, 9))val a1a2 = DenseMatrix.vertcat(a1, a2)println(a1a2)结果：
1 2 3
4 5 6
7 8 9 可以看到两个矩阵垂直连接时，只有列数相同就可以，行数不必相同。同理，横向连接时
7.
横向连接矩阵
//横向连接矩阵val b1 = DenseMatrix((1, 2, 3), (4, 5, 6))val b2 = DenseMatrix((7, 8, 9), (10, 11, 12))val b1b2 = DenseMatrix.horzcat(b1, b2)println(b1b2)结果是：
1 2 3 7 8 9
4 5 6 10 11 12
这篇关于3 Spark机器学习 spark MLlib 矩阵向量、矩阵运算Breeze库-1的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
