Penskalaan Multi-Dimensi Mantap (Robust MDS)
Penskalaan multi-dimensi mantap memulihkan peta spatial berdimensi rendah daripada matriks ketakserupaan pasangan sambil menahan herotan yang disebabkan oleh nilai kedekatan yang terkeluar atau salah. Dengan menggantikan kerugian ralat kuasa dua dengan fungsi kerugian mantap atau memberat kurang pasangan yang disyaki, ia menghasilkan konfigurasi yang mewakili kebanyakan data dengan setia walaupun sesetengah jarak adalah luar biasa ketara.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
- 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 memetik halaman ini
ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/ms/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.
- Penskalaan Pelbagai Dimensi (MDS)Statistik↔ compare
- Analisis Kelompok Teguh (TCLUST)Statistik↔ compare
- Analisis Korespondens TeguhStatistik↔ compare
- Analisis Faktor Eksploratori RobustPsikometrik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →