Latent structureMultivariate analysis

Analyse Multidimensionnelle Robuste (MDS robuste)

L'analyse factorielle des correspondances robuste permet de retrouver une carte spatiale de faible dimension à partir d'une matrice de dissimilarités par paires, tout en résistant à la distorsion causée par des valeurs de proximité aberrantes ou erronées. En remplaçant la minimisation des erreurs quadratiques par une fonction de perte robuste ou en pondérant à la baisse les paires suspectes, elle produit une configuration qui représente fidèlement la majorité des données, même lorsque certaines distances sont grossièrement atypiques.

Appliquer avec StatMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. 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
  2. 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

Comment citer cette page

ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/fr/statistics/robust-multidimensional-scaling

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.

Compare side by side

Référencée par

ScholarGateRobust Multidimensional Scaling (Robust Multidimensional Scaling). Consulté le 2026-06-15 sur https://scholargate.app/fr/statistics/robust-multidimensional-scaling · Jeu de données : https://doi.org/10.5281/zenodo.20539026