ในกรณีที่ไม่มีการคาดเดาที่ดีเกี่ยวกับจำนวนขององค์ประกอบที่จะร้องขอในการวิเคราะห์ส่วนประกอบอิสระฉันกำลังมองหากระบวนการคัดเลือกโดยอัตโนมัติ ฉันคิดว่าเกณฑ์ที่สมเหตุสมผลอาจเป็นจำนวนที่ลดหลักฐานระดับโลกสำหรับความสัมพันธ์ระหว่างองค์ประกอบที่คำนวณได้ นี่คือรหัสเทียมของวิธีการนี้:
for each candidate number of components, n:
run ICA specifying n as requested number of components
for each pair (c1,c2) of resulting components:
compute a model, m1: lm(c1 ~ 1)
compute a model, m2: lm(c1 ~ c2)
compute log likelihood ratio ( AIC(m2)-AIC(m1) ) representing the relative likelihood of a correlation between c1 & c2
compute mean log likelihood ratio across pairs
Choose the final number of components as that which minimizes the mean log likelihood of component relatedness
ฉันคิดว่าสิ่งนี้ควรลงโทษผู้สมัครที่ใหญ่กว่าจำนวนองค์ประกอบ "ของจริง" โดยอัตโนมัติเพราะ ICAs ที่เกิดจากผู้สมัครดังกล่าวควรถูกบังคับให้เผยแพร่ข้อมูลจากองค์ประกอบที่แท้จริงเพียงครั้งเดียวในหลาย ๆ องค์ประกอบโดยประมาณเพิ่มหลักฐานโดยเฉลี่ย
มันสมเหตุสมผลหรือไม่ ถ้าเป็นเช่นนั้นจะมีวิธีการที่เร็วกว่าในการบรรลุตัวชี้วัดรวมของความเกี่ยวข้องข้ามส่วนประกอบที่ประมาณไว้กว่าวิธีบันทึกความน่าจะเป็นหมายถึงบันทึกที่แนะนำข้างต้นหรือไม่ หากวิธีนี้ไม่สมเหตุสมผลขั้นตอนทางเลือกที่ดีอาจเป็นอย่างไร