A Dual Formulation for Probabilistic Principal Component Analysis

要約

この論文では、ヒルベルト空間における確率的主成分分析を特徴づけ、最適解がどのように双対空間での表現を許容するかを実証します。
これにより、カーネル メソッドの生成フレームワークを開発できるようになります。
さらに、カーネル主成分分析がどのように組み込まれるかを示し、おもちゃと実際のデータセットでの動作を説明します。

要約(オリジナル)

In this paper, we characterize Probabilistic Principal Component Analysis in Hilbert spaces and demonstrate how the optimal solution admits a representation in dual space. This allows us to develop a generative framework for kernel methods. Furthermore, we show how it englobes Kernel Principal Component Analysis and illustrate its working on a toy and a real dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google