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！
计算
安全
数据库
网络和加速
企业服务
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)
}
}1 2 3 4 5 6 7 8 9 0 8 7 6 4 2 1
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，欢迎关注亿速云行业资讯频道！
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
原文链接：https://my.oschina.net/sunmin/blog/723853
