Bayesian method for sparse principal component analysis

NCU Institutional Repository > 理學院 > 統計研究所 > 博碩士論文 > Item 987654321/89637

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/89637

题名:	Bayesian method for sparse principal component analysis
作者:	張元綺;Chang, Yuan-Chi
贡献者:	統計研究所
关键词:	全部局部收縮先驗;主成分分析;載荷係數;稀疏性;global-local shrinkage prior;principal component analysis;loadings;SPCA;sparse
日期:	2022-08-24
上传时间:	2022-10-04 11:50:19 (UTC+8)
出版者:	國立中央大學
摘要:	主成分分析(PCA)是一種常見且熱門的降維方法。然而，當我們想通過主成分的載荷係數(loading)進一步對資料與變數之間做推論時，常因載荷係數不為零而難以得到簡易的解釋結果。本文的主要目的是嘗試透過貝氏方法得到 SPCA 標準下的稀疏載荷，其中我們使用一種全部局部收縮先驗(global-local shrinkage prior)模型 MBSP-TPBN。數值模擬和實際數據證明本文提出的方法。;Principal component analysis (PCA) is a common and popular dimensionality reduc- tion method. However, when we want to make further inferences between data and variables through the loadings of principal components, it is often difficult to obtain simple interpretation results due to all non-zero loadings. The main purpose of this thesis is to try to obtain the sparse loadings under the SPCA criterion based on a Bayesian approach, in which we use a global-local shrinkage prior model MBSP-TPBN. The numerical study and real data demonstrate the proposed method in the article.
显示于类别:	[統計研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	142	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing