Робастный анализ главных компонент (RPCA)
Робастный анализ главных компонент — это метод снижения размерности, который извлекает надежные компоненты, когда данные загрязнены выбросами и шумом. Представленный Candès, Li, Ma и Wright (2011) и разработанный в подходе ROBPCA Hubert, Rousseeuw и Vanden Branden (2005), он разделяет матрицу данных на чистую низкоранговую часть и разреженную часть с выбросами.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/ru/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.
- Факторный анализСтатистика исследований↔ compare
- Анализ главных компонентМашинное обучение↔ compare
- Робастная регрессияСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →