spark mllib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！

运行代码如下

package spark.DataDimensionReductionimport org.apache.spark.mllib.linalg.Vectorsimport org.apache.spark.mllib.linalg.distributed.RowMatriximport 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 45 6 7 89 0 8 76 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，欢迎关注行业资讯频道！