Robusna principalna komponentna analiza (RPCA)
Robusna principalna komponentna analiza je metoda redukcije dimenzionalnosti koja izdvaja pouzdane komponente kada su podaci kontaminirani odstupanjima i šumom. Predstavljena od strane Candès, Li, Ma i Wright (2011), i razvijena u pristupu ROBPCA od strane Hubert, Rousseeuw i Vanden Branden (2005), ona razdvaja matricu podataka na čisti deo niske ranga i raspršeni deo sa odstupanjima.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/sr/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.
- Faktorska analizaIstraživačka statistika↔ compare
- Analiza glavnih komponentiMašinsko učenje↔ compare
- Robustna regresijaStatistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →