我们在matlab中有一个尺寸为308 x 22 x 29 x 12 x 492020的张量 它很大。我们对它进行了分解并且工作正常。现在我们正在尝试重新构建它以获得一些预测。当我们运行它时，当我们进行最后一维的乘法时，它会因内存不足而崩溃。
我试图将张量变平为2 x 2矩阵，以便重建更容易。我找不到办法，我尝试在matlab中使用reshape函数但没有成功。所以基本上我想知道在matlab中将（308 x 22 x 29 x 12 x 492020）张量转换为2D矩阵的方法。
只是为了解释一下数据。我们有一个搜索汽车的用户数据库。想做推荐模型。我们创建了一个具有5个dimansions的张量：308（车型）x 22（车身类型）x 29（价格类别）x 12（制造年份）x 492020（用户）。然后我们运行张量分解，现在我们可以对最后一个分解的维度进行聚类，通过搜索来对用户进行分组，并构建一些搜索日志依赖关系。到目前为止我们还可以。现在我们想要从其分解版本重建张量，以获得一些将作为预测的新记录。鉴于张量是巨大的，我们需要一种扁平化来执行重建的方法，如果有人可以分享一些如何做的matlab代码，那将是一件好事，因为我对matlab来说相对较新。所以我想将5D张量转换为2D
答案 0 :(得分：2)
如果你在MATLAB变量列表中有巨大的5D张量，并且你能够访问它的个别元素，比如说MyTensor(123,17,15,4,123456)那么你可以做到，如果你有足够的存储空间。我没有处理该大小的任何数据的经验，但如果您可以访问它，那么您可以重建它。如果你将所有内容逐个元素或逐个片段或n维超文本写入磁盘，将文件与正在运行的数字分开，然后以正确的顺序从这些文件中加载和重建元素/切片/超文本，那么你将拥有你的2D矩阵。如果元素访问适用于您的5D张量，我首先创建一个小的5D矩阵并将其转换为2D矩阵，以便看到维度按正确的顺序排列，只使用访问与您的巨大5D张量一起使用的方法。之后，您可以用完全相同的代码重建您的巨大5D张量。
答案 1 :(得分：1)
您无需重建整个张量以估计“群集”用户的样本重建错误。例如，您可以对单个用户进行抽样，并比较重建的切片并随时收集统计信息。通常在机器学习中，您希望通过使用“样本外”来交叉验证模型 - 即从测试集中随机分区训练集。
我会观察到车身类型是汽车模型的一个属性，而且价格大致是每个模型的年龄（和条件）的函数。所以在这种情况下你没有足够独立的尺寸。
你的492020用户适应内存的原因可能是因为张量很稀疏。重新分解张量通常是密集的（尽管排名降低），除非你对因子强制执行稀疏性。无论如何，使用分解形式计算效率要高得多。
我担心你的“聚类”步骤 - 塔克分解是线性的（如主成分），非负张量因子分解可能更接近你想做的事情。为每个用户分配一个非负的混合矢量一些“典型”的偏好。 “聚类”往往意味着强硬的分类，而不是模糊。