Análise de Componentes Principais Bayesiana (BPCA)
A análise de componentes principais bayesiana (Bayesian principal component analysis, BPCA) incorpora a PCA probabilística em um arcabouço bayesiano, colocando *priors* sobre a matriz de cargas (*loading matrix*) de modo que componentes irrelevantes sejam automaticamente podados. Ela lida com dados faltantes de forma natural e fornece estimativas de incerteza principiológicas tanto para as pontuações latentes quanto para a dimensionalidade da representação.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Principal Component Analysis. ScholarGate. https://scholargate.app/pt/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.
- Análise Fatorial Exploratória Bayesiana (BEFA)Psicometria↔ compare
- Análise Fatorial Exploratória (AFE)Estatística↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →