非负张量分解实例

Question

我对tensor和tensorly库非常陌生。我在jeankossaifi上遇到了一个最好的张量分解示例，但我需要一个用于张量分解的tensorly函数non_negative_tucker（）的示例，方法是扩展上面链接上的示例（对于Olivetti数据集）。你知道吗

Answer 1

接口与robust_pca接口几乎相同。你知道吗

让我们创建一个随机示例张量X：

import tensorly as tl
import numpy as np

X = tl.tensor(np.random.random((10, 11, 12)))

您将应用鲁棒张量PCA，如下所示：

from tensorly.decomposition import robust_pca

D, E = robust_pca(X)

这给你一个低秩张量D，和一个稀疏张量E，这样D + E = X（近似）。你知道吗

相反，非负塔克会给你一个非负核心和一些非负因素。请注意，现在还必须为分解指定秩。你知道吗

from tensorly.decomposition import non_negative_tucker
core, factors = non_negative_tucker(X, rank=(12, 12, 12), n_iter_max=1000)

您可以使用这些重建张量并检查重建误差：

reconstruction = tl.tucker_to_tensor(core, factors)
error = tl.norm(reconstruction - X)/tl.norm(X)

您可以查看该函数的API page。你知道吗