零基础理解推荐系统中的张量和张量分解（一）

**

零基础理解推荐系统中的张量和张量分解

**

本人最近要做一个推荐系统的算法研究，里面用到了张量和张量分解来补充一些稀疏的评分值。
所以我在网上找了很多介绍张量的文章，看完感觉一头雾水，光是秩、阶、维这三个东西我都完全分不清楚，每个文章都写的有所不同。
我翻阅了各种资料，最后有了一点自己的理解。现在把我理解的张量和张量分解写出来，有错误希望各位指正。（我下面所说的张量都是数组形式，用于推荐系统中表示用户的评分信息，不适用于物理张量等其他内容，简单来说张量就是一个具有某种排列形式的数据的集合）

首先讲一下阶、秩、维的概念和区别：
矩阵的阶：一个m行n列的矩阵简称为m×n矩阵，特别把一个n×n的矩阵成为n阶正方阵，或者n阶矩阵。就是说矩阵的阶就代表矩阵（必须是方阵）的大小，例如7阶矩阵就是7×7的方阵。
矩阵的秩：通过初等变换可以把矩阵里面的一些行变成全0，就是说矩阵里的一些行可以用其他的行来代替（例如1 1 2可以表示3 3 6），如果一个n阶的方阵只用n-1行就能表示，那么矩阵的秩就是n-1。矩阵的秩是相对于n×n方阵来说的，如果矩阵是m×n的，那么就分为行秩和列秩，行秩和列秩中的min值就是矩阵的秩。

！！！而张量的阶和秩和矩阵的阶和秩没有任何关系，除了名字都叫阶和秩以外没有任何关系。
所以当看到张量的阶和秩的时候不要去联想矩阵的阶和秩。

张量的阶：照我的理解张量的阶就是索引的个数。
标量是第0阶张量，表示出来就是一个值 1
向量是第1阶张量，表示出来就是一维数组[1, 2,