ตัวแปรแฝง (latent variable) ในทางสถิติศาสตร์ หมายถึงตัวแปรที่ไม่ได้สังเกตโดยตรง (ผ่านแบบจำลองทางคณิตศาสตร์) แต่ถูกประมาณจากตัวแปรอื่น ๆ ที่สังเกตได้ (วัดโดยตรง) เป็นคำตรงกันข้ามกับ ตัวแปรที่สังเกตได้ (observed variable)
แบบจำลองทางคณิตศาสตร์ที่มีวัตถุประสงค์เพื่ออธิบายตัวแปรที่สังเกตได้จากมุมมองของตัวแปรแฝง เรียกว่าแบบจำลองตัวแปรแฝง (latent variable model) แบบจำลองตัวแปรแฝงถูกนำมาใช้กันอย่างแพร่หลายในด้าน จิตวิทยา ประชากรศาสตร์ เศรษฐศาสตร์ วิศวกรรมศาสตร์ แพทยศาสตร์ ฟิสิกส์ การเรียนรู้ของเครื่อง / ปัญญาประดิษฐ์ ชีวสารสนเทศศาสตร์ การประมวลภาษาธรรมชาติ เศรษฐมิติ สังคมศาสตร์ และอื่น ๆ อีกมากมาย
ตัวแปรแฝงอาจสอดคล้องกับแง่มุมของความเป็นจริง คำว่า "ตัวแปรที่ซ่อนอยู่" มักใช้กันทั่วไปเนื่องจากตัวแปรมีความหมายแต่ไม่สามารถสังเกตได้ในสถานการณ์ที่สามารถวัดได้โดยตามหลักการ แต่ไม่สามารถสังเกตได้ในทางปฏิบัติ คำว่า "ตัวแปรเสมือน" หรือ "โครงสร้างเสมือน" บางครั้งใช้สำหรับตัวแปรแฝงที่สอดคล้องกับแนวคิดเชิงนามธรรม เช่น หมวดหมู่ พฤติกรรม สภาวะทางจิต และโครงสร้างข้อมูล
การใช้ตัวแปรแฝงจะช่วยลดมิติของข้อมูล ตัวแปรที่สังเกตได้จำนวนมากสามารถนำมารวมกันเป็นแบบจำลองเพื่อแสดงแนวคิดพื้นฐาน ซึ่งทำให้ข้อมูลเข้าใจได้ง่ายขึ้น ในแง่นี้พวกมันทำหน้าที่คล้ายกับทฤษฎีทางวิทยาศาสตร์ ในเวลาเดียวกัน ตัวแปรแฝงจะเชื่อมโยงข้อมูลที่สามารถสังเกตได้ของโลกแห่งความเป็นจริงกับข้อมูลเชิงสัญลักษณ์ของโลกแบบจำลอง
เมื่อเขียนในสูตรหรือสมการ มักใช้ เป็นสัญลักษณ์เพื่อระบุถึงตัวแปรแฝง
ตัวอย่าง
จิตวิทยา
ตัวแปรแฝงที่สร้างขึ้นโดยวิธีการวิเคราะห์ปัจจัย โดยทั่วไปจะแสดงถึงความแปรปรวนร่วม หรือระดับของความที่ตัวแปรเปลี่ยนแปลงไปตามกัน ตัวแปรที่ไม่สัมพันธ์กันไม่สามารถสร้างโครงสร้างแฝงตามแบบจำลองทั่วไปได้
เศรษฐศาสตร์
ตัวอย่างของการใช้ตัวแปรแฝงในสาขาเศรษฐศาสตร์ ได้แก่การวิเคราะห์ ความเชื่อมั่นทางธุรกิจ ขวัญกำลังใจ ความสุข และการอนุรักษ์นิยม ตัวแปรทั้งหมดนี้ไม่สามารถวัดได้โดยตรง อย่างไรก็ตาม ค่าของตัวแปรแฝงเหล่านี้สามารถอนุมานได้จากค่าที่วัดได้ของตัวแปรที่สังเกตได้ โดยอาศัยการเชื่อมโยงตัวแปรแฝงเหล่านี้เข้ากับตัวแปรที่สังเกตได้อื่น ๆ เนื่องจากคุณภาพชีวิตเป็นตัวแปรแฝงที่ไม่สามารถวัดได้โดยตรง จึงใช้ตัวแปรที่สังเกตได้เพื่ออนุมานคุณภาพชีวิต ตัวแปรที่สังเกตได้สำหรับการวัดคุณภาพชีวิต ได้แก่ ความมั่งคั่ง การจ้างงาน สิ่งแวดล้อม สุขภาพกายและสุขภาพจิต การศึกษา นันทนาการและการพักผ่อน และความเป็นส่วนหนึ่งในสังคม
การแพทย์
ระเบียบวิธีตัวแปรแฝงถูกนำมาใช้ในทางแพทยศาสตร์หลายแขนง ระดับของปัญหาที่ยืมตัวไปสู่แนวทางตัวแปรแฝงโดยธรรมชาติคือการศึกษาระยะยาวโดยที่มาตราส่วนเวลา (เช่น อายุของผู้เข้าร่วมหรือเวลาตั้งแต่พื้นฐานการศึกษา) ไม่สอดคล้องกับลักษณะของวิชาที่กำลังศึกษา ในการศึกษาดังกล่าว มาตราส่วนเวลาที่สังเกตไม่ได้ซึ่งประสานกับคุณลักษณะภายใต้การศึกษาสามารถจำลองเป็นการเปลี่ยนแปลงของมาตราส่วนเวลาที่สังเกตได้โดยใช้ตัวแปรแฝง ตัวอย่างนี้รวมถึงแบบจำลองการลุกลามของโรคและแบบจำลองการเจริญเติบโต
แบบจำลองตัวแปรแฝง
อ้างอิง
- "ศัพท์บัญญัติ ๔๐ สาขาวิชา สำนักงานราชบัณฑิตยสภา".
{{}}
: CS1 maint: url-status () - "We typically use to denote such latent variables." Kingma. (2019). An Introduction to Variational Autoencoders. Foundations and Trends in Machine Learning.
- "A nonlinear mixed-effects model for simultaneous smoothing and registration of functional data". Pattern Recognition Letters. 38: 1–7. 2014. doi:10.1016/j.patrec.2013.10.018.
- Tabachnick, B.G.; Fidell, L.S. (2001). Using Multivariate Analysis. Boston: Allyn and Bacon. ISBN .
wikipedia, แบบไทย, วิกิพีเดีย, วิกิ หนังสือ, หนังสือ, ห้องสมุด, บทความ, อ่าน, ดาวน์โหลด, ฟรี, ดาวน์โหลดฟรี, mp3, วิดีโอ, mp4, 3gp, jpg, jpeg, gif, png, รูปภาพ, เพลง, เพลง, หนัง, หนังสือ, เกม, เกม, มือถือ, โทรศัพท์, Android, iOS, Apple, โทรศัพท์โมบิล, Samsung, iPhone, Xiomi, Xiaomi, Redmi, Honor, Oppo, Nokia, Sonya, MI, PC, พีซี, web, เว็บ, คอมพิวเตอร์
twaepraefng latent variable inthangsthitisastr hmaythungtwaeprthiimidsngektodytrng phanaebbcalxngthangkhnitsastr aetthukpramancaktwaeprxun thisngektid wdodytrng epnkhatrngknkhamkb twaeprthisngektid observed variable aebbcalxngthangkhnitsastrthimiwtthuprasngkhephuxxthibaytwaeprthisngektidcakmummxngkhxngtwaepraefng eriykwaaebbcalxngtwaepraefng latent variable model aebbcalxngtwaepraefngthuknamaichknxyangaephrhlayindan citwithya prachakrsastr esrsthsastr wiswkrrmsastr aephthysastr fisiks kareriynrukhxngekhruxng pyyapradisth chiwsarsnethssastr karpramwlphasathrrmchati esrsthmiti sngkhmsastr aelaxun xikmakmay twaepraefngxacsxdkhlxngkbaengmumkhxngkhwamepncring khawa twaeprthisxnxyu mkichknthwipenuxngcaktwaeprmikhwamhmayaetimsamarthsngektidinsthankarnthisamarthwdidodytamhlkkar aetimsamarthsngektidinthangptibti khawa twaepresmuxn hrux okhrngsrangesmuxn bangkhrngichsahrbtwaepraefngthisxdkhlxngkbaenwkhidechingnamthrrm echn hmwdhmu phvtikrrm sphawathangcit aelaokhrngsrangkhxmul karichtwaepraefngcachwyldmitikhxngkhxmul twaeprthisngektidcanwnmaksamarthnamarwmknepnaebbcalxngephuxaesdngaenwkhidphunthan sungthaihkhxmulekhaicidngaykhun inaengniphwkmnthahnathikhlaykbthvsdithangwithyasastr inewlaediywkn twaepraefngcaechuxmoyngkhxmulthisamarthsngektidkhxngolkaehngkhwamepncringkbkhxmulechingsylksnkhxngolkaebbcalxng emuxekhiyninsutrhruxsmkar mkich z displaystyle z epnsylksnephuxrabuthungtwaepraefngtwxyangkarpramanesnokhngswnsungechliysahrbedkphuchay phiwda cakkarsuksakarecriyetibotkhxngebirkliythngaebbmiaelaimmiwarp karaeprprwnkhunxyukbtwaepraefngthicbkhuxayukbxayuthangchiwphaphthisingokhrinsodyichaebbcalxngexfefktaebbphsmaebbimechingesncitwithya twaepraefngthisrangkhunodywithikarwiekhraahpccy odythwipcaaesdngthungkhwamaeprprwnrwm hruxradbkhxngkhwamthitwaeprepliynaeplngiptamkn twaeprthiimsmphnthknimsamarthsrangokhrngsrangaefngtamaebbcalxngthwipid esrsthsastr twxyangkhxngkarichtwaepraefnginsakhaesrsthsastr idaekkarwiekhraah khwamechuxmnthangthurkic khwykalngic khwamsukh aelakarxnurksniym twaeprthnghmdniimsamarthwdidodytrng xyangirktam khakhxngtwaepraefngehlanisamarthxnumanidcakkhathiwdidkhxngtwaeprthisngektid odyxasykarechuxmoyngtwaepraefngehlaniekhakbtwaeprthisngektidxun enuxngcakkhunphaphchiwitepntwaepraefngthiimsamarthwdidodytrng cungichtwaeprthisngektidephuxxnumankhunphaphchiwit twaeprthisngektidsahrbkarwdkhunphaphchiwit idaek khwammngkhng karcangngan singaewdlxm sukhphaphkayaelasukhphaphcit karsuksa nnthnakaraelakarphkphxn aelakhwamepnswnhnunginsngkhm karaephthy raebiybwithitwaepraefngthuknamaichinthangaephthysastrhlayaekhnng radbkhxngpyhathiyumtwipsuaenwthangtwaepraefngodythrrmchatikhuxkarsuksarayayawodythimatraswnewla echn xayukhxngphuekharwmhruxewlatngaetphunthankarsuksa imsxdkhlxngkblksnakhxngwichathikalngsuksa inkarsuksadngklaw matraswnewlathisngektimidsungprasankbkhunlksnaphayitkarsuksasamarthcalxngepnkarepliynaeplngkhxngmatraswnewlathisngektidodyichtwaepraefng twxyangnirwmthungaebbcalxngkarluklamkhxngorkhaelaaebbcalxngkarecriyetibotaebbcalxngtwaepraefngxangxing sphthbyyti 40 sakhawicha sanknganrachbnthityspha a href wiki E0 B9 81 E0 B8 A1 E0 B9 88 E0 B9 81 E0 B8 9A E0 B8 9A Cite web title aemaebb Cite web cite web a CS1 maint url status lingk We typically use z displaystyle z to denote such latent variables Kingma 2019 An Introduction to Variational Autoencoders Foundations and Trends in Machine Learning A nonlinear mixed effects model for simultaneous smoothing and registration of functional data Pattern Recognition Letters 38 1 7 2014 doi 10 1016 j patrec 2013 10 018 Tabachnick B G Fidell L S 2001 Using Multivariate Analysis Boston Allyn and Bacon ISBN 978 0 321 05677 1