Robust Principal Component Analysis (RPCA)
Robustne peamine komponentanalüüs (RPCA) on dimensiooni vähendamise meetod, mis eraldab usaldusväärsed komponendid, kui andmed on saastunud kõrvalekallete ja müra poolt. Candèsi, Li, Ma ja Wrighti (2011) poolt tutvustatud ja Huberti, Rousseeuw' ja Vanden Brandeni (2005) ROBPCA lähenemisviisis arendatud meetod eraldab andmetemaatriksi puhtaks madala astakuga osaks ja spetsiifiliseks kõrvalekallete osaks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/et/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.
- FaktoranalüüsUurimisstatistika↔ compare
- PricipaalanalüüsMasinõpe↔ compare
- Robust RegressionStatistika↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →