Kas ir robusta kovariances novērtējums?

Robustā kovariances novērtējums ir metode, kas paredzēta datu kovariances matricas novērtēšanai, kas ir izturīga pret izņēmuma vērtībām un troksni. Klasiskā kovariances novērtējuma gadījumā (piemēram, izmantojot parauga kovariances matricu) izņēmuma vērtības var būtiski izkropļot rezultātu, negatīvi ietekmējot turpmāko analīzi.

Robustās metodes cenšas mazināt anomālo punktu ietekmi un nodrošināt uzticamāku datu struktūras novērtējumu. Tas ir īpaši svarīgi anomāliju noteikšanas uzdevumos, kur ir nepieciešams atšķirt reālas izņēmuma vērtības no trokšņa.

Piemērs — izmantot M-novērtējumus vai Minimum Covariance Determinant (MCD) algoritmu, kas meklē datu apakškopu ar minimālo kovariāciju, ignorējot izņēmuma vērtības.