Anàlisi de Components Principals Robusta (RPCA)
L'Anàlisi de Components Principals Robusta (RPCA) és un mètode de reducció de dimensionalitat que extreu components fiables quan les dades estan contaminades per valors atípics i soroll. Introduït per Candès, Li, Ma i Wright (2011), i desenvolupat en l'aproximació ROBPCA d'Hubert, Rousseeuw i Vanden Branden (2005), separa una matriu de dades en una part neta de baix rang i una part dispersa de valors atípics.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/ca/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.
- Anàlisi FactorialEstadística per a la recerca↔ compare
- Anàlisi de Components PrincipalsAprenentatge automàtic↔ compare
- Regressió robustaEstadística↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →