我正在尝试使用 python 库分解 3D 矩阵 scikit-tensor .我设法将张量(尺寸为 100x50x5)分解为三个矩阵。我的问题是如何使用张量分解产生的分解矩阵再次组合初始矩阵?我想检查分解是否有任何意义。我的代码如下:
import logging
from scipy.io.matlab import loadmat
from sktensor import dtensor, cp_als
import numpy as np
//Set logging to DEBUG to see CP-ALS information
logging.basicConfig(level=logging.DEBUG)
T = np.ones((400, 50))
T = dtensor(T)
P, fit, itr, exectimes = cp_als(T, 10, init='random')
// how can I re-compose the Matrix T? TA = np.dot(P.U[0], P.U[1].T)
我正在使用 scikit-tensor 库函数 cp_als 提供的规范分解。另外,分解矩阵的预期维数是多少?
最佳答案
例如4个矩阵的CP积
可以用Einstein notation表示作为
或在 numpy 中为
numpy.einsum('az,bz,cz,dz -> abcd', A, B, C, D)
所以在你的情况下你会使用
numpy.einsum('az,bz->ab', P.U[0], P.U[1])
或者,在你的 3 矩阵情况下
numpy.einsum('az,bz,cz->abc', P.U[0], P.U[1], P.U[2])
sktensor.ktensor.ktensor
还有一个方法 totensor()
就是这样做的:
np.allclose(np.einsum('az,bz->ab', P.U[0], P.U[1]), P.totensor())
>>> True
关于python - 在张量分解后重新组合张量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39748285/