Robust Principal Component Analysis Based On Modified Minimum Covariance Determinant In The Presence Of Outliers

Authors : B Barış ALKAN

Pages : 85-94

Doi:10.17093/aj.2016.4.2.5000189525

View : 19 | Download : 22

Publication Date : 2016-12-08

Article Type : Research Paper

Abstract :Klasik temel bileşenler analizi insert ignore into journalissuearticles values(KTBA);, çok değişkenli veri kümelerinde yer alabilen aykırı gözlemlere karşı dayanıklı değildir. Aykırı gözlemlerin varlığında KTBA kullanılarak elde edilen sonuçlar gerçekte olması gerekenden oldukça farklı çıkabilir. Bu yüzden, aykırı gözlemlerin varlığında PCA’nın dayanıklı versiyonlarının kullanımı tercih edilmelidir. Dayanıklı temel bileşenler elde etmek için en kolay yol konum ve ölçek parametrelerinin klasik tahminleriyle, onların dayanıklı tahminlerinin yer değiştirilmesidir. Çok değişkenli veri kümesi için konum ve ölçek parametrelerinin dayanıklı tahmini, yüksek bozulma noktası sağlayan en küçük kovaryans determinant insert ignore into journalissuearticles values(EKKD); yöntemi ile yapılabilir. Bu çalışmada, EKKD yöntemi, jacknife yeniden örnekleme yaklaşımı kullanılarak uyarlanıp, bu uyarlamadan kaynaklanan değişimlerin dayanıklı temel bileşenler analizi insert ignore into journalissuearticles values(DTBA); üzerindeki etkileri incelenmesi amaçlanmaktadır. Jackknife yeniden örnekleme yöntemine dayanan EKKD’nin aykırı gözlem oranındaki değişmelerden nasıl etkilendiği iki gerçek veri kümesi üzerinden değerlendirilmektedir. Elde edilen bulgular ışığında, önerilen uyarlanmış en küçük kovaryans determinant insert ignore into journalissuearticles values(UEKKD); tahminine dayalı DTBA, klasik EKKD’ye dayanan DTBA’ya göre veri kümesinde aykırı gözlemlerin varlığında daha iyi sonuçlar verdiği görülmektedir. 
Keywords :