Selección de dimensionalidad en análisis de componentes principales utilizando modelos bayesianos


Autores/as

  • Ricardo Henao
  • Jorge Hernándo Rivera

Resumen

El gran inconveniente del análisis de componentes principales (PCA) es la correct elección del número componentes que deben ser retenidas, debido a esto, en este artículo se presenta un análisis experimental de varias técnicas de selección de dimensionalidad automáticas para PCA, basadas en dos variantes denominadas Análisis de Componentes Principales Probabilístico (PPCA) y nálisis Variacional de Componentes Principales (VPCA). Los métodos de empleados en este trabajo están fundamentados en la selección bayesiana del modelo y los criterios de información. En los resultados obtenidos, el método que aplica Laplace obtiene mejores resultados globales con un costo computacional satisfactorio.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2005-01-10

Cómo citar

Henao, R., & Rivera, J. H. (2005). Selección de dimensionalidad en análisis de componentes principales utilizando modelos bayesianos. Scientia Et Technica, 2(28). Recuperado a partir de https://revistas.utp.edu.co/index.php/revistaciencia/article/view/6817

Número

Sección

Eléctrica