原书出处
深度学习
13 第13章 线性因子模型
是高斯噪声。之后Tipping and Bishop(1999)提出了一种迭代的EM算法来估计参数 W 和σ 2 。
这个概率PCA (probabilistic PCA)模型利用了这样一种观察现象:除了一些微小残余的重构误差 (reconstruction error)(至多为σ 2 ),数据中的大多数变化可以由潜变量 h 描述。
通过Tipping and Bishop(1999)的研究我们可以发现,当σ→0时,概率PCA退化为PCA。在这种情况下
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习/_epub-src/text/part0005_split_000.html
EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639