In statistics, latent variables (as opposed to observable variables), are variables that are not directly observed but are rather inferred from other variables that are observed and directly measured. Mathematical models which aim to explain observed variables in terms of latent variables are called latent variable models.

PropertyValue
dbpprop:abstract
  • In statistics, latent variables (as opposed to observable variables), are variables that are not directly observed but are rather inferred from other variables that are observed and directly measured. Mathematical models which aim to explain observed variables in terms of latent variables are called latent variable models. Latent variable models are used in a variety of disciplines, including the economics, machine learning/artificial intelligence, natural language processing, psychology, and the social sciences. Sometimes latent variables correspond to aspects of physical reality which could in principle be measured, but may not be for practical reasons. In this situation, the term hidden variables is commonly used (reflecting the fact that the variables are "really there", but hidden). Other times latent variables may not be physically real but instead correspond to abstract concepts, like categories, behavioural or mental states, or data structures. The terms hypothetical variables or hypothetical constructs may be used in these situations. One advantage of using latent variables is that it reduces the dimensionality of data. A large number of observable variables can be aggregated in a model to represent an underlying concept, making it easier for humans to understand the data. In this sense, they serve the same function as theories in general do in science. At the same time, latent variables link observable ("sub-symbolic") data in the real world, to symbolic data in the modelled world.
  • Zmienna ukryta albo utajona – w statystyce zmienna, która nie jest obserwowana bezpośrednio, jednak wpływa w pewien sposób na zmienne obserwowane. Niektóre metody statystyczne mają na celu odtwarzanie wartości zmiennych ukrytych, występujących w ich modelach, np. analiza czynnikowa i PCA zakładają, że zmienne objaśniające są liniowymi kombinacjami ukrytych czynników. w analizie odpowiedniości (korespondencji) tablica wielodzielcza jest uważana za poagregowaną funkcję gęstości wielowymiarowego rozkładu współzależnych zmiennych ukrytych. w gradacyjnej analizie danych dane są uważane za zapis rozkładu dwuwymiarowego zmiennych wierszowej i kolumnowej, poddanego przekształceniu gradacyjnemu. Znormalizowane rangi zmiennej wierszowej i kolumnowej nazywane są tu skorami gradacyjnymi. Są one odtwarzane za pomocą algorytmu GCA. Różnica pomiędzy zmienną ukrytą a parametrem modelu polega na tym, że parametr generalnie przyjmuje tę samą wartość dla całej próby, lub przynajmniej znacznej jej części, natomiast zmienna ukryta może mieć inną wartość dla każdej obserwacji.
dbpprop:hasPhotoCollection
rdf:type
rdfs:comment
  • In statistics, latent variables (as opposed to observable variables), are variables that are not directly observed but are rather inferred from other variables that are observed and directly measured. Mathematical models which aim to explain observed variables in terms of latent variables are called latent variable models.
  • Zmienna ukryta albo utajona – w statystyce zmienna, która nie jest obserwowana bezpośrednio, jednak wpływa w pewien sposób na zmienne obserwowane. Niektóre metody statystyczne mają na celu odtwarzanie wartości zmiennych ukrytych, występujących w ich modelach, np. analiza czynnikowa i PCA zakładają, że zmienne objaśniające są liniowymi kombinacjami ukrytych czynników.
rdfs:label
  • Latent variable
  • Zmienna ukryta
owl:sameAs
skos:subject
foaf:page
is dbpprop:redirect of
is owl:sameAs of