Robustā kopu analīze (TCLUST)
Robustā kopu analīze ir apgriezta uz modeli balstīta klasterizācijas metode, ko 2008. gadā ieviesa Garsija-Eskudero un kolēģi, un tā sadala nepārtrauktus daudzfaktoru datus kopās, vienlaikus pretojoties noviržu un trokšņu ietekmei. Atmetot daļu no visnesakritīgākajiem novērojumiem, tā pasargā atgūto kopu struktūru no piesārņojuma ar atsevišķiem punktiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A General Trimming Approach to Robust Cluster Analysis. The Annals of Statistics, 36(3), 1324-1345. DOI: 10.1214/07-AOS515 ↗
- Riani, M., Cerioli, A., Atkinson, A. C., & Perrotta, D. (2014). Monitoring Robust Regression / Robust Clustering. Statistics and Computing. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Trimmed Robust Cluster Analysis (TCLUST). ScholarGate. https://scholargate.app/lv/statistics/robust-cluster-analysis
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.
- Standartkļūdas, kas ir izturīgas pret klasteru ietekmiStatistika↔ compare
- MM-EstimatorStatistika↔ compare
- Robustā diskriminējošā analīzeStatistika↔ compare
- Robust Principal Component Analysis (RPCA)Statistika↔ compare
- Robustās regresijas W-novērtētājs (Velsa / Tukija divkvadrāts)Statistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →