基于Python Tensorly的张量分解缺失数据恢复问题求助

我之前也遇到过类似的问题，核心原因是默认的Parafac分解没有处理缺失值（NaN）的逻辑，直接让NaN参与计算会导致结果异常或者报错，下面给你具体的解决思路和代码：

问题根源 #

• 当你用默认参数调用parafac时，算法会把NaN当作正常数值参与矩阵运算，但任何和NaN的运算结果都是NaN，所以分解得到的因子全是NaN，还原后自然输出全NaN张量。
• 当rank大于3时，Tensorly内部的数值校验会检测到NaN，直接抛出ValueError: array must not contain infs or NaNs的错误。

解决方案：使用掩码（mask）标记缺失值 #

Tensorly的parafac函数支持通过mask参数指定哪些位置是有效数据，分解时会只在有效数据位置计算损失，完全忽略NaN的位置，这样就能正常完成分解并恢复缺失值。

完整代码示例 #

import numpy as np
import tensorly as tl
from tensorly.decomposition import parafac

# 构建带缺失值的张量
X = tl.tensor(np.arange(24).reshape((4, 6)).astype(float))
X[0][5] = np.nan
X[1][5] = np.nan

# 创建掩码矩阵：True表示该位置是有效值，False表示缺失值
mask = ~np.isnan(X)

# 执行Parafac分解，传入掩码参数
# 根据你的数据规律（每行是前一行+6，列是连续递增），rank=2足够还原数据
factors = parafac(
    X,
    rank=2,
    mask=mask,
    init='random',  # 使用随机初始化，避免默认初始化受NaN影响
    tol=1e-6,       # 设置收敛阈值
    max_iter=1000   # 设置最大迭代次数
)

# 从分解因子还原张量
recovered_X = tl.kruskal_to_tensor(factors)
print("恢复后的张量：")
print(recovered_X)

结果说明 #

运行这段代码后，你会看到缺失的X[0][5]和X[1][5]被恢复成接近真实值（5和11）的数值，其他位置的数值也会和原数据几乎一致。

额外注意事项 #

1. rank值的选择：你的张量是2维（4×6），最大有效rank是min(4,6)=4，超过这个值会导致过拟合；根据数据的线性规律，rank=2就足够准确还原。
2. 初始化方式：建议使用init='random'，避免默认的init='svd'在含NaN的张量上失效。
3. 版本兼容性：确保你的Tensorly是0.8.0及以上版本，旧版本对mask参数的支持可能不完善。

备选方案：先填补缺失值再分解 #

如果不想用掩码，也可以先简单填补缺失值（比如用列均值）再分解，但这种方法会引入人为偏差，不如掩码方法准确：

# 用列均值填补NaN
X_filled = np.where(np.isnan(X), np.nanmean(X, axis=0), X)
factors = parafac(tl.tensor(X_filled), rank=2)
recovered_X = tl.kruskal_to_tensor(factors)

内容的提问来源于stack exchange，提问作者Linfeng