Análisis de Componentes Principales Bayesiano (BPCA)
El análisis de componentes principales bayesiano integra el PCA probabilístico dentro de un marco bayesiano, colocando distribuciones a priori sobre la matriz de cargas de modo que los componentes irrelevantes se podan automáticamente. Maneja datos faltantes de forma natural y proporciona estimaciones de incertidumbre basadas en principios tanto para las puntuaciones latentes como para la dimensionalidad de la representación.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/es/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.
- Análisis Factorial Exploratorio Bayesiano (BEFA)Psicometría↔ compare
- Análisis Factorial Exploratorio (AFE)Estadística↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →