← 返回卡片

原书出处

深度学习

13 第13章 线性因子模型

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.634Z

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

此预览只包含定位所需的摘录和上下文。

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