Análisis de Componentes Principales Robusto (RPCA)
El Análisis de Componentes Principales Robusto (RPCA) es un método de reducción de dimensionalidad que extrae componentes fiables cuando los datos están contaminados por valores atípicos y ruido. Introducido por Candès, Li, Ma y Wright (2011), y desarrollado en el enfoque ROBPCA de Hubert, Rousseeuw y Vanden Branden (2005), separa una matriz de datos en una parte limpia de bajo rango y una parte dispersa de valores atípicos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/es/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.
- Análisis FactorialEstadística para la investigación↔ compare
- Análisis de Componentes PrincipalesAprendizaje automático↔ compare
- Regresión RobustaEstadística↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →