Συλλογές
Τίτλος Invariant coordinate selection for detecting multivariate outliers
Εναλλακτικός τίτλος Εντοπισμός πολυμεταβλητών ακραίων τιμών με τη χρήση της ICS (Invariant Coordinate Selection)
Δημιουργός Βουτσινάς, Στέφανος, Voutsinas, Stefanos
Συντελεστής Ψαράκης, Στέλιος
Athens University of Economics and Business, Department of Statistics
Γιαννακόπουλος, Αθανάσιος
Παπαγεωργίου, Ιουλία
Τύπος Text
Φυσική περιγραφή 127p.
Γλώσσα en
Αναγνωριστικό http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=7335
Περίληψη Η συγκεκριμένη μέθοδος χρησιμοποιήται για τον εντοπισμό πολυμεταβλητών ακραίων τιμών αλλά και τον εντοπισμό υπο-ομάδων στο αρχικό μας σετ δεδομένων. Συγκεκριμένα, χρησιμοποιούμε δύο πίνακες διακύμανσης συνδιακύμανσης για να επιτύχουμε τον ICS μετασχηματισμό. Η συγκεκριμένη μέθοδος μοιάζει με την PCA με την μόνη διαφορά ότι η PCA χρησιμοποιεί έναν πίνακα διακύμανσης για τον μετασχηματισμό.
A general method for exploring multivariate data by comparing different estimates of multivariate scatter and location functionals is presented. The method is based on the eigenvalue­eigenvector decomposition of one scatter matrix relative to another. A standardization of the data is firstly conducted by using a scatter statistic and then a principal component method with a second scatter statistic. In particular, it is shown that the eigenvectors can be used to generate an affine invariant co­ordinate system for the multivariate data. An illustration of the importance of the robust statistics and their properties is also essential to understand how the method works as well as detailed examples and case studies on the method.
Λέξη κλειδί Ακραία τιμή
Μετασχηματισμός
Μεγάλα δεδομένα
Robust Statistics
Affine Equivariance
Invariant
Big data
Parallel analysis
Διαθέσιμο από 2019-09-28 20:55:32
Ημερομηνία έκδοσης 09/24/2019
Ημερομηνία κατάθεσης 2019-09-28 20:55:32
Δικαιώματα χρήσης Free access
Άδεια χρήσης https://creativecommons.org/licenses/by/4.0/