Robuste HauptkomponentenanalyseRobuste Hauptkomponentenanalyse
RPCA teilt die Daten in zwei Matrizen auf:
- Low-Rank-Matrix: Beschreibt die Hauptmerkmale in den Daten, Rauschen und Ausreißer werden entfernt
- Sparse Matrix: Bestehend aus Rauschen UND Signalen! Erleichtert das Erkennen von Signalen/Sonderursachen. Kann zB zur Untersuchung der Lebensdauer von Motoren oder Servoantrieben verwendet werden.
Die Methode hat im Allgemeinen eine höhere Auflösung zum Finden von Gruppen als Standard-PCA, abgesehen davon ist die Low-Rank-Matrix effizienter bei der Merkmalsextraktion als PCA.
Statistik und AnalytikRe: Robuste Hauptkomponentenanalyseich freue mich auf 
Betreff: Robuste Hauptkomponentenanalyse - Status geändert in: In EntwicklungRobustes PCA ist in Entwicklung für JMP 17, das im Herbst 2022 verfügbar sein wird.
Betreff: Robuste Hauptkomponentenanalyse – Status geändert in: Zugestellt
