Selección de dimensionalidad en análisis de componentes principales utilizando modelos bayesianos

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.