Regression model
Robust Principal Component Analysis
通常のPCAは全ての点を等しく扱うため、少数の重大な外れ値が主成分の方向全体を歪める可能性がある。RPCAは代わりに、データ行列が少数の散在する破損箇所を持つ、大部分がクリーンな低次元構造であると仮定する。この破損箇所を分離されたスパース層に引き出すことで、抽出される成分は異常値ではなく、データの大部分を記述するものとなる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →