TensorLy 笔记系列
6. Tensor 回归
TensorLy
支持 Tensor
回归。
6.1. 设置
Tensor
回归的库在 tensorly.regression
模块中。给定一系列 N tensor
样本/观测值,
X
~
i
,
i
=
1
,
⋯
,
N
\tilde X_i, i={1, \cdots, N}
X~i,i=1,⋯,N, 对应的标签
y
i
,
i
=
1
,
⋯
,
N
y_i, i={1, \cdots, N}
yi,i=1,⋯,N。期望找到权重tensor
,使得
i
=
1
,
⋯
,
N
,
y
i
=
⟨
X
~
i
,
W
~
⟩
i = {1, \cdots, N}, y_i = \langle \tilde X_i, \tilde W \rangle
i=1,⋯,N,yi=⟨X~i,W~⟩。除此之外,
W
~
\tilde W
W~是一个
r
a
n
k
−
r
C
P
rank-r CP
rank−rCP分解(Kruskal
回归)或者rank (r_1, \cdots, r_N)-Tucker
分解(Tucker
回归)。参考文献 1中有tensor
回归的具体解释。
TensorLy
中实现了两种tensor
回归方法。例如,Krusal
回归通过tensorly.regression.KruskalRegression
。该方法实现了需要X
个样本和对应的标签的拟合方法。给定一组测试样本,可以使用预测的方法从模型中获得相应的预测。
参考文献
- W. Guo, I. Kotsia, and I. Patras. “Tensor Learning for Regression”, IEEE Transactions on Image Processing 21.2 (2012), pp. 816–827
- tensorly