<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>tetsuya_odaka</author_name>
  <author_url>https://blog.hatena.ne.jp/tetsuya_odaka/</author_url>
  <blog_title>tetsuya_odakaの日記</blog_title>
  <blog_url>https://tetsuya-odaka.hatenablog.com/</blog_url>
  <categories>
    <anon>ビッグデータ</anon>
    <anon>BigData</anon>
    <anon>hadoop</anon>
    <anon>mahout</anon>
    <anon>統計学</anon>
    <anon>statistics</anon>
    <anon>機械学習</anon>
    <anon>Machine Learning</anon>
  </categories>
  <description>ここまでのログでは、Hadoop MapReduceで「密な行列（Dense Matrix）」の行列積を計算することを考えてきた。多変量解析の多くは「密な行列」を仮定しておけば、理論的な演算に問題が生じることはない（これが、「密」にこだわってきた理由）。 ただ、機械学習のエリアでは、「疎な行列（スパース行列：Sparse Matrix）」が前提にされることが多い。読んでくださっている方の中には、「なんで密とか疎とか言ってるんだ？」という方がいらっしゃると思うので、今回のログでは、機械学習を例にして「密な行列」と「疎な行列」について説明したいと思う。 最初にちょっとだけ「数式めいたもの」が出てく…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftetsuya-odaka.hatenablog.com%2Fentry%2F20130722%2F1374484519&quot; title=&quot;レコメンデーションとクラスタリングを例にして「密な行列」と「疎な行列」について説明する - tetsuya_odakaの日記&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/t/tetsuya_odaka/20130722/20130722172805.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2013-07-22 18:15:19</published>
  <title>レコメンデーションとクラスタリングを例にして「密な行列」と「疎な行列」について説明する</title>
  <type>rich</type>
  <url>https://tetsuya-odaka.hatenablog.com/entry/20130722/1374484519</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
