Байесов анализ на главните компоненти (BPCA)
Байесовият анализ на главните компоненти вгражда вероятностния анализ на главните компоненти в байесова рамка, като поставя априорни разпределения върху матрицата на коефициентите, така че нерелевантните компоненти автоматично се отрязват. Той обработва липсващи данни естествено и предоставя принципиални оценки на несигурността както за латентните резултати, така и за размерността на представянето.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Bishop, C. M. (1999). Bayesian PCA. In M. S. Kearns, S. A. Solla & D. A. Cohn (Eds.), Advances in Neural Information Processing Systems 11 (pp. 382–388). MIT Press. link ↗
- Tipping, M. E. & Bishop, C. M. (1999). Probabilistic principal component analysis. Journal of the Royal Statistical Society: Series B, 61(3), 611–622. DOI: 10.1111/1467-9868.00196 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/bg/statistics/bayesian-principal-component-analysis
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Байесовски експлораторен факторен анализ (BEFA)Психометрия↔ сравняване
- Експлораторният факторен анализ (EFA)Статистика↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →