张量分解能做什么？

Question

我有三个关于张量因子分解的问题。

1. 张量因子分解（分解）的情况（或应用）是什么？
2. 这有可能成为未来的主流技术？
3. 你怎么用它？

Answer 1

张量因子分解是用于建模时空数据的强大工具。为了更好地理解张量分解及其应用，以实际交通数据估算为例，是一个良好的开端。在城市交通系统中，我们可以收集时间序列数据，以指示来自不同空间位置的道路交通速度/流量，这些数据确实是张量。但是，收集这些数据时不可避免会出现数据丢失问题。因此，如图1所示，在我们最近的研究中，我们提供了一种基于张量补全的解决方案，用于缺少交通数据插补。

Figure 1: Graphical illustration of the tensor completion task for partially observed traffic measurements.

在这里，我们还提供了贝叶斯张量分解代码，用于使用Python估算缺少的交通数据（根据可公开获得的广州交通速度数据集，伯明翰停车数据集，杭州地铁客流数据集和NYC出租车需求数据集进行评估）实现（主要受Numpy支持）。如果您想了解有关贝叶斯张量分解及其实现的更多信息，请考虑阅读以下内容：

• How to impute spatiotemporal missing traffic data with Bayesian Gaussian tensor factorization in Python? (Jupyter Notebook)

• transdim (GitHub): transportation data imputation using machine learning models.

• X。 Chen Z，He，L.Sun（2019）。 用于时空交通数据插补的贝叶斯张量分解方法。交通运输研究C部分：新兴技术，98：73-84。

• X。 Chen，Z. He，Y.Chen等。 （2019）。 使用贝叶斯增强张量分解模型缺少交通数据插补和模式发现。交通运输研究C部分：新兴技术，104：66-77。