Robust Principal Component Analysis (RPCA)
Robust Principal Component Analysis to metoda redukcji wymiarowości, która pozwala na ekstrakcję wiarygodnych komponentów w obecności danych zanieczyszczonych wartościami odstającymi i szumem. Zaproponowana przez Candèsa, Li, Ma i Wrighta (2011) oraz rozwinięta w podejściu ROBPCA Huberta, Rousseeuwa i Vanden Brandena (2005), rozkłada ona macierz danych na czystą część o niskiej randze i rzadką część zawierającą wartości odstające.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/pl/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.
- Factor AnalysisStatystyka w badaniach↔ compare
- Analiza Głównych SkładowychUczenie maszynowe↔ compare
- Regresja odpornaStatystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →