问题描述
我想生成数百万个大型二进制向量(10_000 ... 100_000 位)。 然后我想通过 OVERLAP (AND) 将它们聚类。 之后我想根据聚类对向量重新排序并保存以备后用。
Scipy 有一种聚类方法,但可能不适用于如此大的数据集。 Numpy 不起作用,因为我会内存不足。 Vaex 可能会工作,但我必须自己编写聚类算法,它将使用 Python 编写,因此它会很慢且只读/只读。另外我不确定在生成数据时使用什么格式:csv,hdf5 ??
任何可能的解决方案?任何其他工具或技术?
如果可能的话,在我生成它们时也可以选择将它们聚类?我必须做一些聪明的索引技术!!!
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)