So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Phân tích cụm mạnh mẽ (TCLUST)× | Phân tích thành phần chính mạnh mẽ (RPCA)× | |
|---|---|---|
| Lĩnh vực | Thống kê | Thống kê |
| Họ | Regression model | Regression model |
| Năm ra đời≠ | 2008 | 2011 |
| Người khởi xướng≠ | García-Escudero, Gordaliza, Matrán & Mayo-Iscar (TCLUST) | Candès, Li, Ma & Wright (2011); Hubert, Rousseeuw & Vanden Branden (2005) |
| Loại≠ | Robust model-based clustering | Robust dimensionality reduction / matrix decomposition |
| Công trình gốc≠ | García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A General Trimming Approach to Robust Cluster Analysis. The Annals of Statistics, 36(3), 1324-1345. DOI ↗ | Candès, E. J., Li, X., Ma, Y., & Wright, J. (2011). Robust Principal Component Analysis? Journal of the ACM, 58(3), 1-37. DOI ↗ |
| Tên gọi khác | TCLUST, trimmed clustering, robust clustering, Robust Küme Analizi (TCLUST) | RPCA, robust principal component analysis, low-rank plus sparse decomposition, Robust Temel Bileşen Analizi (RPCA) |
| Liên quan≠ | 5 | 3 |
| Tóm tắt≠ | Robust Cluster Analysis is a trimmed model-based clustering method, introduced by García-Escudero and colleagues in 2008, that partitions continuous multivariate data into clusters while resisting the influence of outliers and noise. By setting aside a fraction of the most discordant observations, it keeps the recovered cluster structure from being contaminated by stray points. | Robust Principal Component Analysis is a dimensionality-reduction method that extracts reliable components when the data are contaminated by outliers and noise. Introduced by Candès, Li, Ma and Wright (2011), and developed in the ROBPCA approach of Hubert, Rousseeuw and Vanden Branden (2005), it separates a data matrix into a clean low-rank part and a sparse outlier part. |
| ScholarGateBộ dữ liệu ↗ |
|
|