Latent structureMultivariate analysis

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.

Appliquer avec StatMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. 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
  2. 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.

Compare side by side
ScholarGateBayesian Canonical Correlation Analysis (Bayesian Canonical Correlation Analysis). Consulté le 2026-06-15 sur https://scholargate.app/fr/statistics/bayesian-canonical-correlation-analysis · Jeu de données : https://doi.org/10.5281/zenodo.20539026