用于多线性代数和张量分解的python模块
scikit-tensor-py3的Python项目详细描述
scikit tensor是一个用于多线性代数和张量的python模块。 因子分解。目前，scikit tensor支持基本的tensor操作 如折叠/展开、张量矩阵和张量向量积 以及以下张量分解：
- 典型/旁发分解
- 塔克分解
- 重新校准
- 迪迪康
- indscal
而且，所有操作都支持稠密和张量。
注
这是一个只与python 3兼容的维护版本。看起来 Scikit Tensor的开发已经停滞，项目已经 被遗弃的。这个fork只支持Python3.5和更高版本，并且 可在PYPI上使用，如scikit-tensor-py3，以便于安装。
欢迎使用问题和拉取请求，但与算法相关的问题 对额外算法的请求可能会被推迟或忽略 总之。欢迎技术（代码）问题。
依赖关系
构建软件所需的依赖项是numpy和scipy。
用法
分解感官面包数据的示例脚本（可从 http://www.models.life.ku.dk/datasets）使用cp-als:
import logging
from scipy.io.matlab import loadmat
from sktensor import dtensor, cp_als
# Set logging to DEBUG to see CP-ALS information
logging.basicConfig(level=logging.DEBUG)
# Load Matlab data and convert it to dense tensor format
mat = loadmat('../data/sensory-bread/brod.mat')
T = dtensor(mat['X'])
# Decompose tensor using CP-ALS
P, fit, itr, exectimes = cp_als(T, 3, init='random')
安装
这个包使用distutils，这是默认的安装方式 python模块。建议使用虚拟环境：
pip install scikit-tensor-py3
以开发模式安装：
git clone https://github.com/evertrol/scikit-tensor-py3.git pip install -e scikit-tensor
贡献与发展
Scikit Tensor仍然是一个非常年轻的项目，我很高兴 任何贡献（补丁、代码、错误修复、文档等） 使它达到一个稳定和有用的点。随时可以联系 我通过电子邮件（在麻省理工学院点edu的mnick）或直接通过github。见 还有上面的注释。
开发是通过git同步的。你可以随意承担这个项目 从叉子上发出拉拽请求。
许可证
scikit-tensor-py3是根据GPLv3授权的
欢迎加入QQ群-->： 979659372
