使用Tensorly的非负张量分解示例

Posted 2021-03-31

我对张量和张量库很新。我遇到了jeankossaifi上张量分解的最好例子之一，但我需要一个张量函数non_negative_tucker（）的例子，通过在上面的链接上扩展示例来进行张量分解（对于Olivetti）数据集）。

答案

界面与robust_pca界面非常相似。

让我们创建一个随机的示例张量X，：

import tensorly as tl
import numpy as np

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

您将应用强大的张量PCA如下：

from tensorly.decomposition import robust_pca

D, E = robust_pca(X)

这给你一个低阶张量D和一个稀疏的E，这样D + E = X（大约）。

相反，非负Tucker会给你一个非负核心和一些非负面因素。请注意，现在您还必须为分解指定排名。

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错误：

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

你可以看看API page的功能。