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.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，欢迎关注天达云行业资讯频道！