Робустна главна компонента (RPCA)
Робустната главна компонента е метод за намаляване на размерността, който извлича надеждни компоненти, когато данните са замърсени от екстремни стойности и шум. Въведен от Candès, Li, Ma и Wright (2011) и развит в подхода ROBPCA на Hubert, Rousseeuw и Vanden Branden (2005), той разделя матрица от данни на чиста нискорангова част и разредена част с екстремни стойности.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Candès, E. J., Li, X., Ma, Y., & Wright, J. (2011). Robust Principal Component Analysis? Journal of the ACM, 58(3), 1-37. DOI: 10.1145/1970392.1970395 ↗
- Hubert, M., Rousseeuw, P. J., & Vanden Branden, K. (2005). ROBPCA: A New Approach to Robust Principal Component Analysis. Technometrics, 47(1), 64-79. DOI: 10.1198/004017004000000563 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/bg/statistics/robust-pca
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Факторен анализСтатистика за изследвания↔ compare
- Анализ на главните компонентиМашинно обучение↔ compare
- Робустна регресияСтатистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →