Análise de Componentes Principais Robusta (RPCA)
A Análise de Componentes Principais Robusta é um método de redução de dimensionalidade que extrai componentes confiáveis mesmo quando os dados estão contaminados por "outliers" e ruído. Introduzida por Candès, Li, Ma e Wright (2011), e desenvolvida na abordagem ROBPCA de Hubert, Rousseeuw e Vanden Branden (2005), ela separa uma matriz de dados em uma parte limpa de baixo posto e uma parte esparsa de "outliers".
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/pt/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.
- Análise FatorialEstatística para pesquisa↔ compare
- Análise de Componentes PrincipaisAprendizado de máquina↔ compare
- Regressão RobustaEstatística↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →