Robust Hovedkomponentanalyse (RPCA)
Robust Hovedkomponentanalyse er en metode for dimensjonsreduksjon som trekker ut pålitelige komponenter når dataene er forurenset av uteliggere og støy. Introdusert av Candès, Li, Ma og Wright (2011), og utviklet i ROBPCA-tilnærmingen av Hubert, Rousseeuw og Vanden Branden (2005), skiller den en datamatrise i en ren lav-rangs del og en sparsom uteliggerdel.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/no/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.
- FaktoranalyseForskningsstatistikk↔ compare
- HovedkomponentanalyseMaskinlæring↔ compare
- Robust regresjonStatistikk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →