稳健的主成分分析稳健的主成分分析
RPCA 将数据拆分为两个矩阵：
- Low Rank Matrix：描述数据中的主要特征，去除噪声和异常值
- 稀疏矩阵：由噪声和信号组成！ 使得检测信号/特殊原因变得非常容易。 例如，可用于研究发动机或伺服驱动器的使用寿命。
方法通常比标准 PCA 具有更高的分辨率来查找组，除此之外，低秩矩阵在特征提取方面比 PCA 更有效。
统计与分析回复：稳健的主成分分析期待 ：）
回复：稳健的主成分分析 - 状态更改为：开发中JMP 17 的稳健 PCA 正在开发中，将于 2022 年秋季推出。
