【ディープラーニング】密ベクトルと疎ベクトルの意味と例について

1. 密ベクトルと疎ベクトルとは？

ベクトルは機械学習・ディープラーニングなどでは、特にデータの集まりを表現する概念です。その中でも、密ベクトルと疎ベクトルは特にデータの「密度」に注目して分類されます。

2. 密ベクトルとは？

密ベクトル（Dense Vector）は、ほとんどの要素がゼロ以外の値を持つベクトルを指します。

すべての要素がデータとして重要であり、特定の構造を持っている場合が多いです。

2.1. 例

以下は密ベクトルの例です。

\[ \mathbf{v} = [1.2, 3.5, -0.8, 4.1] \]

このベクトルでは、すべての要素に有効な値が含まれており、情報が「密集」しています。

3. 疎ベクトルとは？

疎ベクトル（Sparse Vector）は、ほとんどの要素がゼロで構成されるベクトルを指します。

非ゼロの要素が非常に少ないため、データの一部に集中した情報を表現しています。

3.1. 例

以下は疎ベクトルの例です。

\[ \mathbf{v} = [0, 0, 7.3, 0, 0, 0, 0, -2.5, 0] \]

このベクトルでは、ゼロでない値がわずか2つしかありません。

3.2. 特徴

自然言語処理における単語のトークン化、推薦システム、グラフデータの表現、one-hotエンコーディングなどで使用されます。

はるか

疎ベクトル、どんなとき使うか分かる？

ふゅか

うん！自然言語処理で使われるよね。たとえば、単語をone-hotエンコーディングしたとき！「犬」だけ1で、ほかの単語はぜーんぶ0になる。

4. 密ベクトルと疎ベクトルの違い

5. まとめ

密ベクトルと疎ベクトルは、データの密度に基づいて使い分けられます。

• 密ベクトルはデータが詰まった状態で保存される。
• 疎ベクトルはデータが分散している場合に使われる。