Python上张量分解的缺失数据恢复

Question

我正在尝试恢复集群跟踪中丢失的数据，如下所示：

​

​

我读了一些文章，发现我可以为这个数据集创建一个张量，然后对张量进行分解以恢复丢失的数据。

现在我用的是替身张量库，我建立了这样一个简单的张量：

import tensorly as tl
X = tl.tensor(np.arange(24).reshape((4, 6)))
X[0][5]= nan
X[1][5]= nan

我得到了：

array([[  0.,   1.,   2.,   3.,   4.,  nan],
       [  6.,   7.,   8.,   9.,  10.,  nan],
       [ 12.,  13.,  14.,  15.,  16.,  17.],
       [ 18.,  19.,  20.,  21.,  22.,  23.]])

然后我试着根据正式文件分解它：

from tensorly.decomposition import parafac
factors = parafac(X, rank=1)
print(tl.kruskal_to_tensor(factors))

当参数等级为1、2或3时，我得到了所有的结果：

[[ nan  nan  nan  nan  nan  nan]
 [ nan  nan  nan  nan  nan  nan]
 [ nan  nan  nan  nan  nan  nan]
 [ nan  nan  nan  nan  nan  nan]]

当参数级别大于3时时，会出现以下错误：

ValueError: array must not contain infs or NaNs

我怎么才能解决这个问题？任何答案都会有帮助。提前谢谢。

Answer 1

在tensorly (https://github.com/tensorly/tensorly/issues/4 )的当前版本中，似乎不支持处理缺失的值。

有关基于numpy的解决方案，请参见https://nipunbatra.github.io/blog/2017/tensor-decomposition-autograd.html。

Answer 2

Tucker和CP分解中还不支持缺失值。但是，鲁棒张量PCA可以使用它来恢复丢失的值，并分离低级别的部分和稀疏的噪声。