Robustti erotteluanalyysi
Robustti erotteluanalyysi on luokittelumenetelmä, joka erottaa ryhmät lineaarisella erottelufunktiolla vastustaen samalla poikkeamien vaikutusta. Se korvaa klassiset keskiarvon ja kovarianssin korkean rikkoutumispisteen estimaattoreilla, kuten minimikoverianssimääräävällä (Minimum Covariance Determinant, MCD), lähestymistavan, jonka Hawkins & McLachlan (1997) ja Croux & Dehon (2001) kehittivät.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). High-Breakdown Robust Linear Discriminant Analysis. ScholarGate. https://scholargate.app/fi/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.
- Heteroskedastisuudesta Riippumattomat (HC) KeskivirheetTilastotiede↔ compare
- Lineaarinen diskriminanttianalyysi (LDA)Koneoppiminen↔ compare
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- Kvadraattinen diskriminanttianalyysi (QDA)Koneoppiminen↔ compare
- Robustti logistinen regressioTilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →