机器学习中会涉及很多的训练数据，可能很多数据的属性会缺失或者属性值影响极小。为了减小运算量及存储空间，常常会将数据处理，得到一个稀疏矩阵。
所谓稀疏矩阵，意思是矩阵中的元素大多数为0。与之相反的，如果矩阵中元素大多数不为0，则称为稠密矩阵。
由于稀疏矩阵中大多数元素为0，所以为了减少存储空间的大小，常常会将稀疏矩阵进行压缩。下面主要参考：https://blog.csdn.net/yhb1047818384/article/details/78996906
如下图所示稀疏矩阵，如果采用直接存储则会将矩阵通过一个三元组进行存储。
- 其中“values”为矩阵中所有非零元素的值；
2.“row”为值的相应的行下标； - “col”为值的相应的列下标。
直接存储相对比较直观，但是存储空间仍不是最好的，所以有CSR方式。如下图所示，CSR方式与COO方式不同的是对row进行了压缩。
在线资料有很多的解释，个人感觉都不是很好理解。它表示的是这一行前面总共有多少个非零的元素。因此，rows的含义是：
- 第0行前面有0个非零元素；
- 第1行前面有2个非零元素（即第0行有2个非零元素，也即值1，7是在第0行）；
- 第2行前面有4个非零元素（由于第0行有2个非零元素，所以也就是第1行有2个非零元素，即2，8在第1行）；
- 第3行前面有7个非零元素（同理推知，第2行有3个非零元素，即5，3，9在第2行）；
- 第4行前面有9个非零元素（同理推知，第3行有2个非零元素，即6，4在第3行）。
类似的还有CSC，即按列压缩。
