Robusta analisi dei componenti principaliRobusta analisi dei componenti principali
RPCA sta dividendo i dati in due matrici:
- Matrice di basso rango: descrive le caratteristiche principali dei dati, rumore e valori anomali rimossi
- Matrice sparsa: composta da rumore AND segnali! Rende abbastanza facile rilevare segnali / cause speciali. Può essere utilizzato ad esempio per esaminare la durata di vita di motori o servoazionamenti.
Il metodo ha in generale una risoluzione più alta per trovare i gruppi rispetto alla PCA standard, a parte questo la matrice di basso rango è più efficiente nell'estrazione delle caratteristiche rispetto alla PCA.
Statistiche e analisiOggetto: Analisi robusta delle componenti principali - Stato modificato in: Consegnato
