Analisis Komponen Utama Bayesian (BPCA)
Analisis komponen utama Bayesian menanamkan PCA probabilistik dalam kerangka Bayesian, menempatkan prior pada matriks pemuatan sehingga komponen yang tidak relevan secara otomatis dipangkas. Ini menangani data yang hilang secara alami dan memberikan estimasi ketidakpastian yang berprinsip untuk skor laten dan dimensi representasi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/id/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.
- Analisis Faktor Eksploratori Bayesian (BEFA)Psikometri↔ compare
- Analisis Faktor Eksploratori (EFA)Statistika↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →