Bayesiaanse Principal Component Analysis (BPCA)
Bayesiaanse principal component analysis (BPCA) integreert probabilistische PCA binnen een Bayesiaans raamwerk, door priors te plaatsen op de loading matrix, zodat irrelevante componenten automatisch worden weggesnoeid. Het behandelt ontbrekende data op natuurlijke wijze en biedt principieel onderbouwde onzekerheidsschattingen voor zowel de latente scores als de dimensionaliteit van de representatie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/nl/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.
- Bayesiaanse Exploratieve Factoranalyse (BEFA)Psychometrie↔ compare
- Exploratieve factoranalyse (EFA)Statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →