Робастный дискриминантный анализ
Робастный дискриминантный анализ — это метод классификации, который разделяет группы с помощью линейной дискриминантной функции, при этом сопротивляясь влиянию выбросов. Он заменяет классические среднее значение и ковариацию высокоустойчивой оценкой, такой как оценка минимального определителя ковариационной матрицы (Minimum Covariance Determinant, MCD), подход, разработанный Hawkins & McLachlan (1997) и Croux & Dehon (2001).
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Hawkins, D. M. & McLachlan, G. J. (1997). High Breakdown Linear Discriminant Analysis. Journal of the American Statistical Association, 92(437), 136-143. DOI: 10.1080/01621459.1997.10473610 ↗
- Croux, C. & Dehon, C. (2001). Robust Linear Discriminant Analysis Using S-Estimators. Canadian Journal of Statistics, 29(3), 473-493. DOI: 10.2307/3316042 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). High-Breakdown Robust Linear Discriminant Analysis. ScholarGate. https://scholargate.app/ru/statistics/robust-discriminant-analysis
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.
- Стандартные ошибки, робастные к гетероскедастичности (HC)Статистика↔ compare
- Линейный дискриминантный анализ (LDA)Машинное обучение↔ compare
- Логистическая регрессияСтатистика исследований↔ compare
- Квадратичный дискриминантный анализ (QDA)Машинное обучение↔ compare
- Робастная логистическая регрессияСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →