穩健的主成分分析穩健的主成分分析
RPCA 將數據拆分為兩個矩陣：
- Low Rank Matrix：描述數據中的主要特徵，去除噪聲和異常值
- 稀疏矩陣：由噪聲和信號組成！ 使得檢測信號/特殊原因變得非常容易。 例如，可用於研究發動機或伺服驅動器的使用壽命。
方法通常比標準 PCA 具有更高的查找組的分辨率，除此之外，低秩矩陣在特徵提取方面比 PCA 更有效。
統計與分析回复：穩健的主成分分析期待 ：）
回复：穩健的主成分分析 - 狀態更改為：開發中JMP 17 的穩健 PCA 正在開發中，將於 2022 年秋季推出。
