ScholarGate
Asisten
Latent structureMultivariate analysis

Multidimensional Scaling Robust (Robust MDS)

Multidimensional scaling robust memulihkan peta spasial berdimensi rendah dari matriks dissimilaritas pasangan sambil menahan distorsi yang disebabkan oleh nilai kedekatan yang menyimpang atau salah. Dengan mengganti kerugian kuadrat-error dengan fungsi kerugian yang robust atau memberi bobot rendah pada pasangan yang dicurigai, ia menghasilkan konfigurasi yang secara akurat mewakili sebagian besar data bahkan ketika beberapa jarak sangat atipikal.

Terapkan dengan StatMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Sumber

  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

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/id/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

Dirujuk oleh

ScholarGateRobust Multidimensional Scaling (Robust Multidimensional Scaling). Diakses 2026-06-15 dari https://scholargate.app/id/statistics/robust-multidimensional-scaling · Set data: https://doi.org/10.5281/zenodo.20539026