Robustná analýza hlavných komponent (RPCA)
Robustná analýza hlavných komponent je metóda redukcie dimenzionality, ktorá extrahuje spoľahlivé komponenty vtedy, keď sú dáta kontaminované odľahlými hodnotami a šumom. Metóda, predstavená Candèsom, Li, Ma a Wrightom (2011) a rozvinutá v prístupe ROBPCA od Huberta, Rousseeuwa a Vanden Brandena (2005), rozdeľuje dátovú maticu na čistú nízkorankovú časť a riedku časť obsahujúcu odľahlé hodnoty.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/sk/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.
- Faktorová analýzaŠtatistika vo výskume↔ compare
- Analýza hlavných komponentovStrojové učenie↔ compare
- Robustná regresiaŠtatistika↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →