تحلیل مؤلفههای اصلی بیزی (BPCA)
تحلیل مؤلفههای اصلی بیزی، تحلیل مؤلفههای اصلی احتمالی را در یک چارچوب بیزی ادغام میکند و پیشینهایی را بر روی ماتریس بارگذاری قرار میدهد تا مؤلفههای نامربوط به طور خودکار حذف شوند. این روش دادههای گمشده را به طور طبیعی مدیریت میکند و تخمینهای عدم قطعیت اصولی را هم برای امتیازات پنهان و هم برای ابعاد نمایش فراهم میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/fa/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.
Compare side by side →ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →