Analisis Komponen Utama Bayesian (BPCA)
Analisis komponen utama Bayesian membenamkan PCA probabilistik dalam kerangka Bayesian, meletakkan prior ke atas matriks pemberat supaya komponen yang tidak relevan dipangkas secara automatik. Ia mengendalikan data hilang secara semula jadi dan menyediakan anggaran ketidakpastian berprinsip untuk skor laten dan dimensionaliti perwakilan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/ms/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)Psikometrik↔ compare
- Analisis Faktor Penerokaan (EFA)Statistik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →