تحلیل تشخیصی مقاوم
تحلیل تشخیصی مقاوم (Robust Discriminant Analysis) روشی طبقهبندی است که با استفاده از یک تابع تشخیصی خطی، گروهها را از هم جدا میکند و در عین حال در برابر تأثیر نقاط پرت مقاوم است. این روش میانگین و کوواریانس کلاسیک را با یک برآوردگر با نقطه شکست بالا (high-breakdown estimator) مانند حداقل کوواریانس مقسومعلیه (Minimum Covariance Determinant - MCD) جایگزین میکند، رویکردی که توسط Hawkins & McLachlan (1997) و Croux & Dehon (2001) توسعه یافته است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Hawkins, D. M. & McLachlan, G. J. (1997). High Breakdown Linear Discriminant Analysis. Journal of the American Statistical Association, 92(437), 136-143. DOI: 10.1080/01621459.1997.10473610 ↗
- Croux, C. & Dehon, C. (2001). Robust Linear Discriminant Analysis Using S-Estimators. Canadian Journal of Statistics, 29(3), 473-493. DOI: 10.2307/3316042 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). High-Breakdown Robust Linear Discriminant Analysis. ScholarGate. https://scholargate.app/fa/statistics/robust-discriminant-analysis
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.
- خطاهای استاندارد مقاوم به ناهمسانی واریانس (HC)آمار↔ compare
- تحلیل تشخیصی خطی (LDA)یادگیری ماشین↔ compare
- رگرسیون لجستیکآمار پژوهش↔ compare
- تحلیل تبعیضی درجه دوم (QDA)یادگیری ماشین↔ compare
- رگرسیون لجستیک مقاومآمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →