ความแตกต่างระหว่าง PCA ปกติและ PCA ที่น่าจะเป็นคืออะไร?

ฉันรู้ว่า PCA ปกติไม่เป็นไปตามรูปแบบความน่าจะเป็นสำหรับข้อมูลที่สังเกตได้ ดังนั้นความแตกต่างพื้นฐานระหว่าง PCA และPPCAคืออะไร? ในโมเดลตัวแปรแฝง PPCA ประกอบด้วยตัวแปรที่สังเกตได้เช่น , ตัวแปรแฝง (ตัวแปรที่ไม่ได้ตรวจสอบ ) และเมทริกซ์ที่ไม่จำเป็นต้องมีความผิดปกติเหมือนใน PCA ปกติ ความแตกต่างอีกอย่างหนึ่งที่ฉันสามารถนึกถึง PCA ปกติจะให้เฉพาะส่วนประกอบหลักเท่านั้นซึ่ง PPCA จะให้การกระจายของข้อมูลที่น่าจะเป็น$y$$x$$W$

ใครช่วยได้โปรดเพิ่มความแตกต่างระหว่าง PCA และ PPCA ให้มากขึ้น?

เป้าหมายของการจ่ายต่อหนึ่งคลิกของ PPCA นั้นไม่ได้ให้ผลลัพธ์ที่ดีกว่า PCA แต่เป็นการอนุญาตให้มีส่วนขยายและการวิเคราะห์ในอนาคตที่หลากหลาย กระดาษระบุข้อดีบางประการอย่างชัดเจนในการแนะนำเช่น / เช่น:

"คำจำกัดความของการวัดความน่าจะเป็นช่วยให้สามารถเปรียบเทียบกับเทคนิคความน่าจะเป็นอื่น ๆ ในขณะที่อำนวยความสะดวกในการทดสอบทางสถิติและการอนุญาตให้ใช้แบบจำลองของเบย์"

รุ่นเบส์โดยเฉพาะอย่างยิ่งมีความสุขกับชีวิตใหม่ขนาดใหญ่เมื่อเร็ว ๆ นี้เช่น VAE "อัตโนมัติแปรผันเข้ารหัสเบส์" https://arxiv.org/abs/1312.6114 การขยาย PCA ให้สามารถใช้งานได้ในกรอบความแปรปรวนและที่คล้ายกันมีศักยภาพสำหรับนักวิจัยอีกคนหนึ่งที่จะพูดว่า 'เฮ้เฮ้ถ้าฉันทำ ... ?'