这是多路矩阵分解的入门级问题。我有一个集合/人口$k$实体（这里是生物细胞）的每一个我也有一个数字（$l$) 长度的味道$N$向量（类似遗传的测量$N \gg k$) 是它们的特征。现在，如果我只采用一种类型的向量，并查看它在所有实体（单元格）中的值，我会做一个 PCA，因为我实际上有一个$k \times N$（取决于约定）我可以在传统中探索的数组。如果我重复这个分析$l$向量的每种风味的时间，我得到$l$非常相似的分析，但我想采取一个整体的看法。我的问题是这样的：

• 是否有可能（或合理）将此作为对$l \times k \times N$数据源说使用塔克分解/张量分解？

• 这是最合适的方法吗？

• 有没有我应该阅读的可用资源、论文或书籍来理解这一点？

目的是了解不同的载体风味（遗传样信息的类型）在细胞表征方面的差异。

我目前正在使用rTensorR 中的包，我认为它可能基于 MATLAB 中的类似包。我有数学背景，原则上不怕张量，尽管这是我第一次将它们用于数据分析。