Bayesian Principal Component Analysis (BPCA)
Die Bayes'sche Hauptkomponentenanalyse (Bayesian Principal Component Analysis, BPCA) bettet die probabilistische PCA in einen Bayes'schen Rahmen ein, indem Priors über die Ladungsmatrix gelegt werden, sodass irrelevante Komponenten automatisch aussortiert werden. Sie behandelt fehlende Daten auf natürliche Weise und liefert prinzipienbasierte Unsicherheitsschätzungen sowohl für die latenten Scores als auch für die Dimensionalität der Repräsentation.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/de/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.
- Bayesian explorative Faktoranalyse (BEFA)Psychometrie↔ compare
- Exploratorische Faktorenanalyse (EFA)Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →