Robust Multidimensionaalinen skaalaus (Robust MDS)
Robusti multidimensionaalinen skaalaus palauttaa mataladimensionaalisen spatiaalisen kartan parittaisten epäsamankaltaisuuksien matriisista vastustaen vääristymiä, jotka aiheutuvat poikkeavista tai virheellisistä läheisyysarvoista. Korvaamalla neliövirheen häviön robustilla häviöfunktiolla tai painottamalla epäilyttäviä pareja vähemmän, se tuottaa konfiguraation, joka edustaa uskollisesti suurinta osaa datasta, vaikka jotkin etäisyydet olisivatkin huomattavasti epätyypillisiä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Hubert, L., Arabie, P. & Meulman, J. (2002). Linear unidimensional scaling in the L2-norm: Basic optimization methods using SMACOF. Journal of Classification, 19(2), 303–327. link ↗
- Buja, A., Swayne, D. F., Littman, M. L., Dean, N., Hofmann, H. & Chen, L. (2008). Data visualization with multidimensional scaling. Journal of Computational and Graphical Statistics, 17(2), 444–472. DOI: 10.1198/106186008X318440 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/fi/statistics/robust-multidimensional-scaling
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Monimuuttujamittakaava-analyysi (MDS)Tilastotiede↔ vertaa
- Robust Cluster Analysis (TCLUST)Tilastotiede↔ vertaa
- Robusti KorrespondenssianalyysiTilastotiede↔ vertaa
- Robust Exploratory Factor AnalysisPsykometriikka↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →