ScholarGate
Assistent
Machine learningMissing data

Matrix Completion

Matrix Completion is een techniek voor het herstellen van een matrix met lage rang uit een kleine, mogelijk willekeurige subset van zijn elementen. Geïntroduceerd door Emmanuel Candès en Benjamin Recht in 2009, herformuleert het probleem als nucleaire norm minimalisatie — een convexe surrogaat voor rang minimalisatie — en biedt het theoretische garanties dat exacte herstel haalbaar is wanneer elementen uniform willekeurig worden waargenomen en de matrix voldoet aan een incoherentievoorwaarde.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  1. Candès, E. J., & Recht, B. (2009). Exact matrix completion via convex optimization. Foundations of Computational Mathematics, 9(6), 717–772. DOI: 10.1007/s10208-009-9045-5

Deze pagina citeren

ScholarGate. (2026, June 2). Low-Rank Matrix Completion. ScholarGate. https://scholargate.app/nl/machine-learning/matrix-completion

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

Geciteerd door

ScholarGateMatrix Completion (Low-Rank Matrix Completion). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/machine-learning/matrix-completion · Gegevensset: https://doi.org/10.5281/zenodo.20539026