就地行缩放#

sklearn.utils.sparsefuncs.inplace_row_scale(X, scale)[source]#

对 CSR 或 CSC 矩阵进行就地行缩放。

假设数据矩阵形状为 (n_samples, n_features)，通过与调用方提供的特定比例值相乘来缩放数据矩阵的每一行。

参数:

X形状为 (n_samples, n_features) 的稀疏矩阵: 待缩放的矩阵。它应该是 CSR 或 CSC 格式。
scale形状为 (n_features,)，数据类型为 {np.float32, np.float64} 的 ndarray: 用于缩放的预计算样本值数组。

示例

>>> from sklearn.utils import sparsefuncs
>>> from scipy import sparse
>>> import numpy as np
>>> indptr = np.array([0, 2, 3, 4, 5])
>>> indices = np.array([0, 1, 2, 3, 3])
>>> data = np.array([8, 1, 2, 5, 6])
>>> scale = np.array([2, 3, 4, 5])
>>> csr = sparse.csr_matrix((data, indices, indptr))
>>> csr.todense()
matrix([[8, 1, 0, 0],
        [0, 0, 2, 0],
        [0, 0, 0, 5],
        [0, 0, 0, 6]])
>>> sparsefuncs.inplace_row_scale(csr, scale)
>>> csr.todense()
 matrix([[16,  2,  0,  0],
         [ 0,  0,  6,  0],
         [ 0,  0,  0, 20],
         [ 0,  0,  0, 30]])