일반 PCA와 확률 적 PCA의 차이점은 무엇입니까?

정기적 인 PCA가 관측 된 데이터에 대한 확률 모델을 따르지 않는다는 것을 알고 있습니다. PCA와 PPCA 의 기본적인 차이점은 무엇 입니까? PPCA 잠복 변수 모델에는 예를 들어 관측 변수 , 잠복 (관찰되지 않은 변수 ) 및 정규 PCA에서와 같이 직교하지 않아도 되는 행렬 가 포함됩니다. 정규 PCA에 대해 생각할 수있는 또 다른 차이점은 PPCA가 데이터의 확률 적 분포를 제공하는 주요 구성 요소 만 제공한다는 것입니다. $y$ $x$ $W$

PCA와 PPCA의 차이점에 대해 더 많은 정보를 얻을 수 있습니까?

pca

— 상호 복수
소스

여기를 참조 하십시오 .

— Ami Tavory

+1. 내 대답 여기를 참조하십시오 stats.stackexchange.com/questions/208731 도 여기 stats.stackexchange.com/questions/203087을 . 연결 한 슬라이드를 읽었습니까? 그들은 모든 것을 자세히 설명하는 것 같습니다. 그 박람회를 따라갈 수 있습니까, 아니면 너무 복잡합니까?

— amoeba 말한다 Reinstate Monica

@amoeba, 나는 약간의 차이점을 얻는 슬라이드를 따랐다. 그러나 PCA가 할 수없는 PPCA가 PCA가 할 수없는 일에 대한 명확한 직감을 제공하지 못한다. 잠재 변수를 도입하면 기술적으로 어떤 일이 발생합니까? PPCA와 같은 공분산 추정은 일반 PCA에서도 수행 할 수 있습니까? 답변을 추가 할 수 있다면 도움이 될 것입니다.

— Vendetta

@ amoeba, 그 두 가지 질문에 꽤 잘 대답했습니다. 특히 확률 적 PCA의 주요 부분 공간에 관한 문제. 이것은 W에서 주요 구성 요소의 추정을 이해하는 데 더 많은 직관을 제공합니다.

— Vendetta

좋아, 나는 답변을 게시하려고 노력하지만 요즘 꽤 바쁩니다. 이번 주에 시간을 찾으려고하지만 다음 주까지 연기 할 수 있습니다. (그런데 +1)

— 아메바는 모니카

PPCA의 목표는 PCA보다 더 나은 결과를 제공하는 것이 아니라 광범위한 미래 확장 및 분석을 허용하는 것입니다. 이 논문은 서론에서 명확하게 다음과 같은 몇 가지 장점을 설명합니다.

"우도 측정의 정의는 통계적 테스트를 용이하게하고 베이지안 모델의 적용을 허용하면서 다른 확률 론적 기술과 비교할 수있게합니다".

특히 베이지안 모델은 VAE, "자동 인코딩 변형 베이", https://arxiv.org/abs/1312.6114와 같이 최근에 큰 르네상스를 즐기고 있습니다 . 변형 프레임 워크 및 유사한 프레임 워크에서 사용할 수있는 PCA의 확장은 다른 연구원이 '아, 어떻게하면 ...?'라고 말할 가능성이 있습니다.

— 휴 퍼킨스
소스