scala-spark线性代数

• DenseVector比较大小（其实也不能叫比大小吧，而应该是根据条件筛选符合的元素）
  DenseVector a(1,2,3) 与 DenseVector b(1,4,1)比较大小：
  println(a :== b) # output: BitVector(0)
  println(a :> b) # output: BitVector(2)
  println(a :< b) # output: BitVector(1)
  println(a :<= b) # output: BitVector(0,1)
  println(a :>= b) # output: BitVector(0,2)
  返回的值并不是布尔值，而是符合向量中符合大小关系的元素的下标

• SparseVector 稀疏向量的表示
  SparseVector(n, Seq((ind1, val1), (ind2, val2), …, (ind k, val k)))
  or
  SparseVector(n, Array(ind1, ind2, …, ind k), Array(val1, val2, …, valk))
  其中n表示该向量的长度，ind i(i=1,2,…,n)为非零元素的下标，而val i 则为非零元素的值

• 用于后续生成RDD的数据需是Seq类型，且Seq中内容是mllib.Vector类型，不能是ml.Vector类型。
  ml.Vector 转化成 mllib.Vector的方式：
  设denseVec为ml.Vector类型，则：

denseVec2 = org.apache.spark.mllib.linalg.Vectors.fromML(denseVec)

将其转化为mllib.Vector
之后用sc.parallalize(denseVec2, 2) 转化为rdd

• breeze中向量乘法和矩阵乘法的区别
  向量a和向量b：
  a * b
  a. t * b
  a dot b
  三者等价，均做向量点乘运算
  矩阵a和矩阵b：
  a*b 均做矩阵乘法