我知道常规 PCA 不遵循观察数据的概率模型。那么 PCA 和PPCA之间的基本区别是什么？在 PPCA 中，潜在变量模型包含例如观察到的变量、潜在（未观察到的变量）和矩阵，它不必像常规 PCA 中那样正交。我能想到的另一个区别是常规 PCA 仅提供主成分，而 PPCA 提供数据的概率分布。
有人可以更详细地了解 PCA 和 PPCA 之间的区别吗？
常规 PCA 和概率 PCA 有什么区别？
机器算法验证
主成分分析
2022-01-26 18:16:12
1个回答
PPCA 的目标不是提供比 PCA 更好的结果，而是允许广泛的未来扩展和分析。该论文在介绍中清楚地说明了一些优点，即/例如：
“可能性度量的定义能够与其他概率技术进行比较，同时促进统计测试并允许应用贝叶斯模型”。
特别是贝叶斯模型最近正在经历巨大的复兴，例如 VAE，“自动编码变分贝叶斯”，https://arxiv.org/abs/1312.6114。将 PCA 扩展为可用于变分框架和类似框架有可能让另一位研究人员说“哦，嘿，如果我这样做……怎么办？”