matlab中稀疏矩阵列的高效缩放

我有一个样本X，它是一个稀疏矩阵（~5%），现在尝试用一个因子来缩放每个列（基本上是tf-idf归一化）

我认为这是一项很容易完成的任务，但现在却没有得到真正的支持。以下是我使用的：

fac = log(size(X,1)./max(1,sum(X ~= 0)));
X = bsxfun(@times,X,fac); % this line gives an out of memory error

X大约为20000x1000，但只有约5%的功能是非零的，因此不会出现任何内存问题（机器有48 GB Ram，可以轻松处理分配相同数量元素的完整矩阵）

实际上，我觉得必须有一种简单的方法来实现这一点，因为这是一种非常常见的操作，稀疏矩阵包含数据样本

---

提前感谢

也许可以使用以下内容：

找到非零值，并记下每个值的列索引：

将每个值除以该列确定的

fac

条目，并将结果放入

X

：

代码：

---

是的，线性代数！列缩放是对角矩阵的右乘法：

X = X*diag(sparse(fac));

---

@ArvidTerzibaschian:Hm.我怀疑

bsxfun

不能处理稀疏矩阵，但事实并非如此（在我的MATLAB版本中）。以上内容似乎与

bsxfun

具有相同的内存开销。你确定你的矩阵实际上是一个稀疏矩阵吗？我刚检查过你是对的，是因为bsxfun太快了。矩阵是稀疏的，但不是预期的5%。@ArvidTerzibaschian:那么你是如何解决这个问题的呢？根据我的计算，可以轻松地处理具有相同条目数的完整矩阵：根据我的计算，这样大小的完整矩阵将使用150GB的RAM。不是条目数，我指的是实际内存使用情况，例如分配的元素数我不明白你的意思。一个完整的

20000×1000000

矩阵将占用150GB的内存。@knedlsepp我的意思是，稀疏矩阵只分配非零元素，因此一个具有相同数量分配元素的完整矩阵（不谈维数）应该适合内存。实际上，JIT编译器应该优化一些操作以就地操作：

X = X*diag(sparse(fac));