Análisis robusto de componentes principales
RPCA divide los datos en dos matrices:
- Matriz de rango bajo: describe las características principales en los datos, el ruido y los valores atípicos eliminados
- Matriz dispersa: ¡Consta de ruido Y señales! Facilita la detección de señales / causas especiales. Se puede utilizar, por ejemplo, para investigar la vida útil de motores o servoaccionamientos.
En general, el método tiene una resolución más alta para encontrar grupos que el PCA estándar, aparte de esto, la matriz de rango bajo es más eficiente en la extracción de características que el PCA.
