Escalonamento Multidimensional Robusto (Robust MDS)
O escalonamento multidimensional robusto recupera um mapa espacial de baixa dimensionalidade a partir de uma matriz de dissimilaridades par a par, resistindo à distorção causada por valores de proximidade atípicos ou errôneos. Ao substituir a perda de erro quadrático por uma função de perda robusta ou ao reduzir o peso de pares suspeitos, ele produz uma configuração que representa fielmente a maior parte dos dados, mesmo quando algumas distâncias são grosseiramente atípicas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/pt/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.
- Escalonamento Multidimensional (MDS)Estatística↔ compare
- Análise de Cluster Robusta (TCLUST)Estatística↔ compare
- Análise de Correspondência RobustaEstatística↔ compare
- Análise Fatorial Exploratória RobustaPsicometria↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →