ScholarGate
Assistent
Latent structureMultivariate analysis

Robust flerdimensionell skalning (Robust MDS)

Robust multidimensional scaling återvinner en lågdimensionell rumslig karta från en matris av parvisa olikheter, samtidigt som den motstår distorsion orsakad av avvikande eller felaktiga närhetsvärden. Genom att ersätta förlustfunktionen för kvadratfel med en robust förlustfunktion eller genom att nedvikta misstänkta par, producerar den en konfiguration som troget representerar huvuddelen av data, även när vissa avstånd är grovt atypiska.

Tillämpa med StatMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

The neighbourhood of related methods — select a node to explore.

Källor

  1. 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
  2. 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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/sv/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.

Compare side by side

Refereras av

ScholarGateRobust Multidimensional Scaling (Robust Multidimensional Scaling). Hämtad 2026-06-15 från https://scholargate.app/sv/statistics/robust-multidimensional-scaling · Datamängd: https://doi.org/10.5281/zenodo.20539026