Робастное многомерное шкалирование (Robust MDS)
Робастное многомерное шкалирование восстанавливает низкоразмерную пространственную карту по матрице попарных различий, сопротивляясь искажениям, вызванным выбросами или ошибочными значениями близости. Заменяя функцию потерь квадратичной ошибки на робастную функцию потерь или понижая вес подозрительных пар, оно создает конфигурацию, которая точно отражает основную массу данных, даже если некоторые расстояния являются грубо атипичными.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/ru/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.
- Многомерное шкалирование (MDS)Статистика↔ compare
- Робастный кластерный анализ (TCLUST)Статистика↔ compare
- Робастный анализ соответствийСтатистика↔ compare
- Робастный эксплораторный факторный анализПсихометрия↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →