我目前正在尝试对文本进行分类 . 我的数据集太大了，我建议here，我需要使用稀疏矩阵 . 我现在的问题是，将元素添加到稀疏矩阵的正确方法是什么？比方说，我有一个矩阵X，这是我的输入 .
X = np.random.randint(2, size=(6, 100))
现在这个矩阵X看起来像ndarray（或类似的东西）的ndarray .
如果我做
X2 = csr_matrix(X)
我有稀疏矩阵，但是如何在sparce矩阵中添加另一个元素？例如，这个密集元素：[1,0,0,0,1,1,1,0，...，0,1,0]到稀疏向量，如何将其添加到稀疏输入矩阵？
（顺便说一句，我是python的新手，scipy，numpy，scikit ......一切）
1 回答
Scikit-learn有一个很棒的文档，你可以在尝试自己创建之前阅读一些很棒的教程 . This一个是第一个阅读它解释如何分类文本，一步一步，this one是使用稀疏表示的文本分类的详细示例 .
在this部分，要特别注意他们谈论稀疏表示的部分 . 一般来说，如果你想使用带有线性内核的svm和大量的数据，LinearSVC（基于Liblinear）会更好 .
关于你的问题 - 我必须将csr_matrix转换为
coo_matrix，它是另一种稀疏矩阵：Is there an efficient way of concatenating scipy.sparse matrices? .EDIT: 当连接两个矩阵（或矩阵和一个1个二维矩阵的数组）时，一般的想法是连接
X1.data和X2.data并操纵它们的indices和indptr（或者coo_matrix的row和col）指向正确的地方 . 一些稀疏表示对于特定操作更好，而对于其他操作更复杂，您应该阅读csr_matrix并查看这是否是最佳表示 . 但我真的恳请你从我上面发布的那些教程开始 .