欢迎来到 豪哥 的博客

学完了SVD算法之后，我们继续回到张量几大分解的学习上来，本期学习的主要内容是张量的 Tucker 分解 以及 前面的CP分解还留下一点没有说完，正好一并补齐！后面的公式我将采用颜色标记，红色代表必须掌握，蓝色尽量掌握！在这之前先附一张图，包含了各种运算符号的名称含义，大部分是前面说过或者使用过的：Tensor decomposition一 . Tucker 分解公式介绍和原理二 . 张量的 n-Rank一 . Tucker 分解公式介绍和原理我们先来看一张被使用过很多次的Trucker 分解图

本人以光速紧接着上篇CP 和NMF 分解后日夜兼程 完成了这篇张量分解的续集，希望大家多多点赞，这一期我们将学习举足轻重的奇异值分解的相关知识和张量的压缩与Tucker分解，难度依然不小，后期也会为大家附上代码，希望大家能潜心钻研！Tensor decomposition一 . 奇异值分解一 . 奇异值分解奇异值分解是一个有着很明显的物理意义的一种方法，它可以将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示，这些小矩阵描述的是矩阵的重要的特性！特征值分解和奇异值分解两者有着很紧密的关系，特征

欢迎大家来到这一期的张量分解博客学习，本期博客的主要内容就是标题，难度会加大，本人也有写的错误的地方，烦请大家不吝赐教！

在经过痛并快乐着的 张量基础学习之后 之后 ，我们终于可以在慢慢科研路之张量篇上再进一步了，好事多磨，万事都是开头难，不过前面的基础打好了，概念清晰了，后面自然就睡到渠成了，废话不多说，上才艺！Tensor decomposition一 . 新征程，新方法一 . 新征程，新方法前面，我们详细的为大家介绍过什么是张量，并用一张张简介而又不失内涵的图片帮助大家一步一步的理解，所以，我这里再用图片概括前面的表示法作其终点：矩阵一直都是我们学习新张量知识的突破口，这次也不例外，我们用下图来表示一个矩阵，其