我目前正在尝试对文本进行分类。我的数据集太大，正如这里所建议的，我需要使用稀疏矩阵。我现在的问题是，将元素添加到稀疏矩阵的正确方法是什么？例如，假设我有一个矩阵 X 这是我的输入。
X = np.random.randint(2, size=(6, 100))
现在这个矩阵 X 看起来像一个 ndarray 的 ndarray （或类似的东西）。
如果我做
X2 = csr_matrix(X)
我有稀疏矩阵，但是如何向稀疏矩阵添加另一个元素？例如这个密集元素： [1,0,0,0,1,1,1,0,...,0,1,0] 到稀疏向量，如何将它添加到稀疏输入矩阵？
（顺便说一句，我对 python、scipy、numpy、scikit ......一切都很陌生）
Scikit-learn 有一个很棒的文档，里面有很棒的教程，在尝试自己发明它之前，你真的应该阅读它们。这是第一个阅读它的文章，它逐步解释了如何对文本进行分类，这是使用稀疏表示进行文本分类的详细示例。
在本节中，请特别注意他们谈论稀疏表示的部分。一般来说，如果你想使用带线性内核的 svm 并且数据量很大，LinearSVC（基于 Liblinear）会更好。
关于你的问题 - 我确信有很多方法可以连接两个稀疏矩阵（顺便说一句，这是你应该在谷歌中寻找的其他方法），这是一个，但你必须从 csr_matrix 转换为coo_matrix这是稀疏矩阵的另一种类型：是否有连接 scipy.sparse 矩阵的有效方法？.
编辑：当连接两个矩阵（或一个矩阵和一个数组，它是一个 1 维矩阵）时，一般的想法是连接X1.data并X2.data操纵它们的indicesand indptrs（或row在scol的情况下coo_matrix）指向正确的位置。一些稀疏表示对于特定操作更好，而对于其他操作更复杂，您应该阅读csr_matrix并查看这是否是最佳表示。但我真的敦促你从我上面发布的那些教程开始。