Analyse de corrélation canonique bayésienne (Bayesian CCA)
L'analyse de corrélation canonique bayésienne est un modèle génératif probabiliste qui identifie une structure latente partagée entre deux ou plusieurs ensembles de variables observées. Elle étend l'ACC classique en plaçant des a priori sur les paramètres du modèle, ce qui permet une quantification rigoureuse de l'incertitude, une détermination automatique du nombre de dimensions partagées et une robustesse lorsque la taille des échantillons est faible par rapport à la dimensionnalité.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Canonical Correlation Analysis. ScholarGate. https://scholargate.app/fr/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.
- Analyse Factorielle Exploratoire Bayésienne (AFEB)Psychométrie↔ compare
- Analyse en Composantes Principales Bayésienne (BPCA)Statistique↔ compare
- Analyse canonique des corrélationsStatistique↔ compare
- Analyse Factorielle Confirmatoire (AFC)Psychométrie↔ compare
- Modélisation par équations structurellesStatistiques de recherche↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →