Робастний аналіз головних компонент (RPCA)
Робастний аналіз головних компонент (RPCA) — це метод зниження розмірності, який витягує надійні компоненти, коли дані забруднені викидами та шумом. Запропонований Candès, Li, Ma та Wright (2011) і розроблений у підході ROBPCA від Hubert, Rousseeuw та Vanden Branden (2005), він розділяє матрицю даних на чисту низькорангову частину та розріджену частину викидів.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Robust Principal Component Analysis. ScholarGate. https://scholargate.app/uk/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.
- Факторний аналізСтатистика досліджень↔ compare
- Метод головних компонентМашинне навчання↔ compare
- Робастна регресіяСтатистика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →