Regression model
Robust Principal Component Analysis (RPCA)
Robust Principal Component Analysis เป็นวิธีการลดมิติที่สกัดองค์ประกอบที่เชื่อถือได้เมื่อข้อมูลมีการปนเปื้อนด้วยค่าผิดปกติและสัญญาณรบกวน วิธีการนี้ถูกนำเสนอโดย Candès, Li, Ma และ Wright (2011) และพัฒนาต่อในแนวทาง ROBPCA ของ Hubert, Rousseeuw และ Vanden Branden (2005) โดยแยกเมทริกซ์ข้อมูลออกเป็นส่วนที่มีอันดับต่ำที่สะอาด และส่วนของค่าผิดปกติที่มีความเบาบาง
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/th/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.
- Factor Analysisสถิติการวิจัย↔ compare
- การวิเคราะห์องค์ประกอบหลักการเรียนรู้ของเครื่อง↔ compare
- การถดถอยแบบทนทานสถิติศาสตร์↔ compare