python pca降维如何选择维数_主成分分析(PCA)主成分维度怎么选择?

本文介绍了如何使用Bayesian model selection结合Probabilistic PCA(PPCA)来选择合适的PCA维数。通过设置适当的参数先验,如Inverse Gamma和Inverse Wishart分布,以及在Stiefel流形上的均匀分布,可以计算Bayesian information criterion (BIC),进而确定最佳的主成分数量。
摘要由CSDN通过智能技术生成

也有不那么主观的方法:把它看成一个 model selection 问题,然后用 model selection 的方法解决。具体例子:Probabilistic PCA + Bayesian model selection。

先介绍一下 Bayesian model selection。一般而言,假设我们有数据

,候选模型集

,以及对应参数空间集

。Bayesian model selection 通过计算并比较各模型后验概率

之间的相对大小来决定合适的模型(Bayes factor)。通常,我们假设各个模型的先验

均相等。

这个积分一般比较难算,惯常做法是利用 Laplace's method(下面略去下标

):假设

,并令

。如果把

处 Taylor 展开至

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值