Robust Principal Component Analysis (RPCA)
La Robust Principal Component Analysis (RPCA) è un metodo di riduzione della dimensionalità che estrae componenti affidabili quando i dati sono contaminati da outlier e rumore. Introdotta da Candès, Li, Ma e Wright (2011) e sviluppata nell'approccio ROBPCA di Hubert, Rousseeuw e Vanden Branden (2005), separa una matrice di dati in una parte pulita a basso rango e una parte sparsa di outlier.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/it/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.
- Analisi FattorialeStatistica per la ricerca↔ compare
- Analisi delle Componenti PrincipaliApprendimento automatico↔ compare
- Regressione RobustaStatistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →