TensorLy 张量回归

TensorLy 笔记系列

  1. tensorly-01 安装教程
  2. tensorly-02 快速上手
  3. tensorly-03 后端系统
  4. tensorly-04 基本操作
  5. tensorly-05 张量分解
  6. tensorly-06 张量回归

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 rankrCP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
  1. W. Guo, I. Kotsia, and I. Patras. “Tensor Learning for Regression”, IEEE Transactions on Image Processing 21.2 (2012), pp. 816–827
  2. tensorly
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值