Bayesiläinen kanooninen korrelaatioanalyysi (Bayesian CCA)
Bayesiläinen kanooninen korrelaatioanalyysi on todennäköisyyspohjainen generatiivinen malli, joka tunnistaa jaetun piilevän rakenteen kahden tai useamman havaitun muuttujajoukon välillä. Se laajentaa klassista CCA:ta asettamalla priorijakaumia mallin parametreille, mahdollistaen periaatteellisen epävarmuuden kvantifioinnin, jaettujen ulottuvuuksien lukumäärän automaattisen määrittämisen ja robustisuuden pienillä otoskoilla suhteessa ulottuvuuksien määrään.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Bach, F. R. & Jordan, M. I. (2005). A probabilistic interpretation of canonical correlation analysis. Technical Report 688, Department of Statistics, University of California, Berkeley. link ↗
- Klami, A., Virtanen, S. & Kaski, S. (2013). Bayesian canonical correlation analysis. Journal of Machine Learning Research, 14, 965-1003. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Canonical Correlation Analysis. ScholarGate. https://scholargate.app/fi/statistics/bayesian-canonical-correlation-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.
- Bayesiläinen eksploratiivinen faktorianalyysi (BEFA)Psykometriikka↔ compare
- Bayesiläinen pääkomponenttianalyysi (BPCA)Tilastotiede↔ compare
- Kanoninen korrelaatioanalyysiTilastotiede↔ compare
- Vahvistava faktorianalyysi (CFA)Psykometriikka↔ compare
- Rakenteellinen yhtälömallinnusTutkimuksen tilastomenetelmät↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →