Tensor张量：高维数据处理方法

 

微信公众号：R语言数据分析与实践

 

1 n阶张量

Tensor张量，在数学中实际上是高维数组，

0阶张量：标量  是一个独立的数字；

1阶张量：向量，

2阶张量：矩阵，

3阶张量：数组，

n阶张量的定义如下表格：

 

2 张量应用

时间序列：3阶向量

尽管有时候时间序列数据看起来像是2阶张量，当你将这些数据的特征以时间为横截面观测时，它们就是3阶张量（包括特征、样本）。

 

 

图片数据：4阶张量

单张图片可以看作3阶张量（RGB、高度、宽度），加上样本数，则为4阶张量。