การจัดอันดับหลายมิติแบบทนทาน (Robust MDS)
การจัดอันดับหลายมิติแบบทนทาน (Robust MDS) สามารถกู้คืนแผนที่เชิงพื้นที่ที่มีมิติต่ำจากเมทริกซ์ของความไม่เหมือนกัน (dissimilarities) ของคู่ต่างๆ โดยทนทานต่อการบิดเบือนที่เกิดจากค่าความใกล้ชิดที่ผิดปกติหรือผิดพลาด โดยการแทนที่ฟังก์ชันการสูญเสียแบบกำลังสองด้วยฟังก์ชันการสูญเสียแบบทนทาน หรือการลดน้ำหนักคู่ที่น่าสงสัย จะทำให้ได้โครงสร้างที่แสดงถึงข้อมูลส่วนใหญ่ได้อย่างน่าเชื่อถือ แม้ว่าระยะห่างบางค่าจะผิดปกติอย่างมากก็ตาม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/th/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.
- Multidimensional Scaling (MDS)สถิติศาสตร์↔ compare
- Robust Cluster Analysis (TCLUST)สถิติศาสตร์↔ compare
- การวิเคราะห์ความสัมพันธ์แบบคงทนสถิติศาสตร์↔ compare
- การวิเคราะห์องค์ประกอบเชิงสำรวจแบบคงทนการวัดทางจิตวิทยา↔ compare