Bayesowska analiza głównych składowych (BPCA)
Bayesowska analiza głównych składowych osadza probabilistyczną analizę głównych składowych w ramach bayesowskich, umieszczając priory na macierzy ładunków, dzięki czemu nieistotne składowe są automatycznie eliminowane. Metoda ta w naturalny sposób radzi sobie z brakującymi danymi i dostarcza wiarygodnych oszacowań niepewności zarówno dla ukrytych wyników, jak i dla wymiarowości reprezentacji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/pl/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.
- Bayesowska eksploracyjna analiza czynnikowa (BEFA)Psychometria↔ compare
- Eksploracyjna analiza czynnikowa (EFA)Statystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →