Робастне багатовимірне шкалування (Robust MDS)
Робастне багатовимірне шкалування відновлює низьковимірну просторову карту з матриці попарних відмінностей, стійко протидіючи спотворенням, спричиненим викидами або помилковими значеннями близькості. Замінюючи втрати від квадратичних помилок на робастну функцію втрат або зменшуючи вагу підозрілих пар, воно створює конфігурацію, яка достовірно представляє основну частину даних, навіть коли деякі відстані є грубо атиповими.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/uk/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.
- Багатовимірне шкалування (MDS)Статистика↔ compare
- Надійний кластерний аналіз (TCLUST)Статистика↔ compare
- Стійкий аналіз відповідностейСтатистика↔ compare
- Надійна експлораторна факторна аналізаПсихометрія↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →