Exact Dimensionality Selection for Bayesian PCA

Charles Bouveyron; Pierre Latouche; Pierre-Alexandre Mattei

doi:10.1111/sjos.12424

第三条Dans Une Revue 斯堪的纳维亚统计杂志 Anneée:2020年

贝叶斯主成分分析的精确维数选择

(1),(2),(1)

1
2

查尔斯·布韦伦

功能：奥特尔
人员ID：347
伊达尔：查尔斯·布韦伦
ORCID代码：0000-0002-6956-4491
ID参考号：112244785

人工智能模型与算法

皮埃尔·拉图什

功能：奥特尔
人员ID：1047606
ID参考号：203820827

巴黎数学应用5

Pierre-Alexandre马泰

功能：Auteur对应
人员ID：8469
伊达尔：皮埃尔-莱克斯安德烈-马泰迪
ORCID代码：0000-0002-1297-908X
ID参考号：224920278

连接ez-vous浇注接触器l'auteur

人工智能模型与算法

Résumé

我们提出了一种贝叶斯模型选择方法来估计高维数据集的固有维数。为此，我们介绍了一种基于正态伽马先验分布的概率主成分分析模型的新公式。在这种情况下，我们展示了边际似然的封闭式表达式，该表达式允许推断出最佳数量的组件。我们还提出了一种基于边缘似然曲线预期形状的启发式方法，以选择超参数。在非渐近框架中，我们在模拟数据上表明，这种精确的维数选择方法与贝叶斯和频率学家最新的方法都具有竞争力。

Mots clés公司

降维边际可能性型号选择主要组成部分多元分析

与葡萄园

梅托多洛基[统计.ME] 机器学习[stat.ML] 统计[math.ST] Théorie[统计.Th]

菲奇尔校长

精确尺寸v3.pdf（320.18 Ko）

原籍	菲奇尔斯（Fichiers）出品的par l’（les）auteur（s）

Pierre-Alexandre马泰 : Connectez-vous浇注接触器le contributer

https://hal.science/hal-01484099

Soumis le:伦迪2019-18:16:38

Dernière修改le:mercredi 19 juin 2024-12:54:13

日期和版本

hal-01484099，版本1 (06-03-2017)

hal-01484099，版本2 (20-05-2019)

身份证明人

HAL标识： hal-01484099，版本2
第十四条： 1703.02834
内政部： 10.1111/约12424

Citer公司

查尔斯·布维伦、皮埃尔·拉图什、皮埃尔·阿莱克安德烈·马泰。贝叶斯主成分分析的精确维数选择。斯堪的纳维亚统计杂志, 2020,⟨10.1111/sjos.12424⟩.⟨hal-01484099v2⟩

出口商

BibTeX公司 XML-TEI公司都柏林核心元数据集 DC条款尾注数据引用

CNRS公司印度 I3S公司 INSMI公司迪乌东内地图5 INRIA2公司 UNIV-COTEDAZUR大学 UP-SCIENCES公司

537 磋商

1424 交易费用