Robusztus főkomponens-analízis (RPCA)
A robusztus főkomponens-analízis (RPCA) egy dimenziócsökkentő módszer, amely megbízható komponenseket von ki, ha az adatok kiugró értékekkel és zajjal szennyezettek. Candès, Li, Ma és Wright (2011) vezette be, és Hubert, Rousseeuw és Vanden Branden (2005) ROBPCA megközelítésében fejlesztette tovább. A módszer egy adat-mátrixot egy tiszta, alacsony rangú részre és egy ritka, kiugró értékeket tartalmazó részre bont.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/hu/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.
- FaktoranalízisKutatási statisztika↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
- Robusztus regresszióStatisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →