应用在自己的数据集上出现问题

[linyu21]

你好，我有三条存在关联的时间序列数据，缺失值设置为0，我将他们重组成（6720，3）形状，采用LRTC进行数据填补，在运行过程中出现了问题。 ValueError Traceback (most recent call last)

in 11 epsilon = 1e-4 12 maxiter = 200 ---> 13 tensor_hat = LRTC(dense_tensor, sparse_tensor, alpha, rho, theta, epsilon, maxiter) 14 end = time.time() 15 print('Running time: %d seconds'%(end - start)) in LRTC(***failed resolving arguments***) 55 Z[pos_missing] = np.mean(X + T / rho, axis = 0)[pos_missing] 56 T = T + rho * (X - np.broadcast_to(Z, np.insert(dim, 0, len(dim)))) ---> 57 tensor_hat = np.einsum('k, kmnt -> mnt', alpha, X) 58 tol = np.sqrt(np.sum((tensor_hat - last_tensor) ** 2)) / snorm 59 last_tensor = tensor_hat.copy() <__array_function__ internals> in einsum(*args, **kwargs) ~\AppData\Roaming\Python\Python36\site-packages\numpy\core\einsumfunc.py in einsum(out, optimize, *operands, **kwargs) 1348 if specified_out: 1349 kwargs['out'] = out -> 1350 return c_einsum(*operands, **kwargs) 1351 1352 # Check the kwargs to avoid a more cryptic error later, without having to ValueError: einstein sum subscripts string contains too many subscripts for operand 1 十分感谢你的开源项目！

[xinychen]

您好！很高兴收到您的反馈！LRTC全称是low-rank tensor completion，主要用于third-order tensor的imputation问题，在这里，tensor的size默认为M x N x K，你这里的数据集是矩阵，所以没办法进行测试，如果可以，不妨尝试一下本开源项目中提供的矩阵模型进行测试。

[linyu21]

您好！很高兴收到您的反馈！LRTC全称是low-rank tensor completion，主要用于third-order tensor的imputation问题，在这里，tensor的size默认为M x N x K，你这里的数据集是矩阵，所以没办法进行测试，如果可以，不妨尝试一下本开源项目中提供的矩阵模型进行测试。

感谢您的回复！