Bayesovská analýza hlavních komponent (BPCA)
Bayesovská analýza hlavních komponent vkládá pravděpodobnostní PCA do Bayesovského rámce, umisťuje apriorní rozdělení na matici zátěží tak, aby irelevantní komponenty byly automaticky odstraněny. Přirozeně zpracovává chybějící data a poskytuje principielní odhady nejistoty jak pro latentní skóre, tak pro dimenzionalitu reprezentace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/cs/statistics/bayesian-principal-component-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesovská explorativní faktorová analýza (BEFA)Psychometrika↔ compare
- Exploratorní faktorová analýza (EFA)Statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →