স্বতন্ত্র উপাদান বিশ্লেষণে অনুরোধ করার জন্য উপাদানগুলির সংখ্যার বিষয়ে কোনও প্রাকৃতিক অনুমানের অনুপস্থিতিতে, আমি একটি নির্বাচন প্রক্রিয়া স্বয়ংক্রিয়ভাবে দেখছি। আমি মনে করি যে যুক্তিসঙ্গত উপাদানগুলির মধ্যে পারস্পরিক সম্পর্কের জন্য বৈশ্বিক প্রমাণকে ন্যূনতম সংখ্যার যুক্তিসঙ্গত মানদণ্ড হতে পারে। এই পদ্ধতির সিউডোকোড এখানে:
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
আমি মনে করি এটি স্বয়ংক্রিয়ভাবে সংখ্যার "সত্য" সংখ্যার চেয়ে বড় প্রার্থীদের শাস্তি দেওয়া উচিত কারণ এই জাতীয় প্রার্থীদের ফলে প্রাপ্ত আইসিএগুলিকে একক সত্যিকারের উপাদানগুলি একাধিক আনুমানিক উপাদানগুলিতে তথ্য বিতরণ করতে বাধ্য করা উচিত, উপাদানগুলির জোড় জুড়ে পারস্পরিক সম্পর্কের গড় প্রমাণকে বাড়িয়ে তুলতে হবে।
এটা কোনো কিছু হলো? যদি তাই হয় তবে উপরে প্রস্তাবিত গড় লগ সম্ভাবনা পদ্ধতির চেয়ে আনুমানিক উপাদানগুলিতে সামগ্রিকভাবে সম্পর্কিত সামগ্রিক মেট্রিক অর্জনের একটি দ্রুততর উপায় আছে (যা তুলনামূলকভাবে কম গণনামূলকভাবে ধীর হতে পারে)? যদি এই পদ্ধতির কোনও অর্থ না আসে তবে একটি ভাল বিকল্প পদ্ধতিটি দেখতে কেমন হতে পারে?