Empirical Bayes PCA in high dimensions

When the dimension of data is comparable to or larger than the number of data samples, principal components analysis (PCA) may exhibit problematic high‐dimensional noise. In this work, we propose an empirical Bayes PCA method that reduces this noise by estimating a joint prior distribution for the p...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Journal of the Royal Statistical Society. Series B, Statistical methodology Statistical methodology, 2022-07, Vol.84 (3), p.853-878
Hauptverfasser:	Zhong, Xinyi, Su, Chang, Fan, Zhou
Format:	Artikel
Sprache:	eng
Schlagworte:	Algorithms AMP algorithms Empirical analysis empirical Bayes Estimation Gene expression Genomes Genomics Iterative methods Matrix theory Maximum likelihood estimators Message passing Noise Principal components analysis random matrix theory Regression analysis Simulation Statistical methods Statistics
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!