Analyse en Composantes Principales Bayésienne (BPCA)
L'analyse en composantes principales bayésienne intègre l'ACP probabiliste dans un cadre bayésien, en plaçant des a priori sur la matrice des chargements de sorte que les composantes non pertinentes soient automatiquement élaguées. Elle gère naturellement les données manquantes et fournit des estimations d'incertitude fondées sur des principes pour les scores latents et la dimensionnalité de la représentation.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/fr/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.
- Analyse Factorielle Exploratoire Bayésienne (AFEB)Psychométrie↔ compare
- Analyse factorielle exploratoire (AFE)Statistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →