ScholarGate
Assistent
Machine learningMissing data

Matrix-Vervollständigung

Matrix-Vervollständigung ist eine Technik zur Rekonstruktion einer niedrigrangigen Matrix aus einer kleinen, möglicherweise zufälligen Untermenge ihrer Einträge. Von Emmanuel Candès und Benjamin Recht im Jahr 2009 eingeführt, reformuliert sie das Problem als Minimierung der Kernnorm – eine konvexe Surrogatfunktion für die Rangminimierung – und bietet theoretische Garantien, dass eine exakte Rekonstruktion erreichbar ist, wenn Einträge gleichmäßig zufällig beobachtet werden und die Matrix eine Inkohärenzbedingung erfüllt.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. Candès, E. J., & Recht, B. (2009). Exact matrix completion via convex optimization. Foundations of Computational Mathematics, 9(6), 717–772. DOI: 10.1007/s10208-009-9045-5

So zitieren Sie diese Seite

ScholarGate. (2026, June 2). Low-Rank Matrix Completion. ScholarGate. https://scholargate.app/de/machine-learning/matrix-completion

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.

Compare side by side

Referenziert von

ScholarGateMatrix Completion (Low-Rank Matrix Completion). Abgerufen am 2026-06-15 von https://scholargate.app/de/machine-learning/matrix-completion · Datensatz: https://doi.org/10.5281/zenodo.20539026