sparkmllib中数据降维之如何实现奇异值分解

这篇文章主要介绍spark mllib中数据降维之如何实现奇异值分解，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

成都创新互联公司10多年成都企业网站建设服务;为您提供网站建设,网站制作,网页设计及高端网站定制服务,成都企业网站建设及推广,对成都柔性防护网等多个行业拥有多年的网站制作经验的网站建设公司。

运行代码如下

package spark.DataDimensionReduction

import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.linalg.distributed.RowMatrix
import org.apache.spark.{SparkContext, SparkConf}

/**
  * 数据降维
  * 一个矩阵在计算过程中，将它在一个方向上进行拉伸，需要关心的是拉伸的幅度与方向．
  * 奇异值分解(SVD)：一个矩阵分解成带有方向向量的矩阵相乘
  * Created by eric on 16-7-24.
  */
object SVD {
  val conf = new SparkConf()                                     //创建环境变量
    .setMaster("local")                                             //设置本地化处理
    .setAppName("SVD")                              //设定名称
  val sc = new SparkContext(conf)

  def main(args: Array[String]) {
    val data = sc.textFile("./src/main/spark/DataDimensionReduction/a.txt")
      .map(_.split(" ").map(_.toDouble))
      .map(line => Vectors.dense(line))

    val rm = new RowMatrix(data)                       //读入行矩阵
    val SVD = rm.computeSVD(2, computeU = true)			 //进行SVD计算
    println(SVD)			 //打印SVD结果矩阵
    //求　SVD 分解的矩阵
    println("*********************")
    val u = SVD.U
    val s = SVD.s
    val v = SVD.V

    println(u, s, v)
  }
}

a.txt

1 2 3 4
5 6 7 8
9 0 8 7
6 4 2 1

结果如下

以上是“spark mllib中数据降维之如何实现奇异值分解”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联行业资讯频道！