Robuste Analyse der HauptkomponentenRobuste Analyse der Hauptkomponenten
RPCA teilt die Daten in zwei Matrizen auf:
- Low Rank Matrix: Beschreibt die Hauptmerkmale der entfernten Daten, des Rauschens und der Ausreißer
- Sparse Matrix: Bestehend aus Rauschen UND Signalen! Erleichtert das Erkennen von Signalen / besonderen Ursachen. Kann zB zur Untersuchung der Lebensdauer von Motoren oder Servoantrieben verwendet werden.
Die Methode hat im Allgemeinen eine höhere Auflösung, um Gruppen zu finden als die Standard-PCA. Abgesehen davon ist die Low-Rank-Matrix bei der Merkmalsextraktion effizienter als die PCA.
Statistik und Analytik
