Problems (cont.)– Robustness• Mean

Problems (cont.)
– Robustness
• Mean and standard deviation are very sensitive to outliers
• These values are computed for the complete data set (including potential outliers)
• The MDist is used to determine outliers although the MDist values are influenced by these outliers
=> Minimum Covariance Determinant [Rousseeuw and Leroy 1987] minimizes the influence of outliers on the Mahalanobis distance
• Discussion
– Data distribution is fixed
– Low flexibility (no mixture model)
– Global method
– Outputs a label but can also output a score

Kết quả (Việt) 1:

Vấn đề (TT)-Mạnh mẽ• Trung bình và độ lệch chuẩn là rất nhạy cảm với outliers• Những giá trị này được tính cho các thiết lập dữ liệu đầy đủ (bao gồm cả outliers tiềm năng)• MDist được sử dụng để xác định các outliers mặc dù các giá trị MDist bị ảnh hưởng bởi các outliers= > Tối thiểu hiệp phương sai định thức [Rousseeuw và Leroy 1987] giảm thiểu ảnh hưởng của outliers trên khoảng cách Mahalanobis• Thảo luận-Dữ liệu phân phối là cố định-Linh hoạt thấp (không có mô hình hỗn hợp)-Phương pháp toàn cầu-Kết quả đầu ra một nhãn hiệu nhưng có thể cũng ra một số điểm

Kết quả (Việt) 2:

Vấn đề (tt.)
- Mạnh mẽ
• trung bình và độ lệch chuẩn là rất nhạy cảm với giá trị ngoại lai
• Các giá trị này được tính cho tập dữ liệu đầy đủ (bao gồm cả giá trị ngoại lai tiềm năng)
• Các MDist được sử dụng để xác định giá trị ngoại lai mặc dù các giá trị MDist bị ảnh hưởng bởi những giá trị ngoại lai
= > tối thiểu Hiệp phương sai định thức [Rousseeuw và Leroy 1987] giảm thiểu ảnh hưởng của giá trị ngoại lai vào khoảng cách mahalanobis
• Thảo luận
- phân phối dữ liệu là cố định
- Low linh hoạt (không có mô hình hỗn hợp)
- phương pháp toàn cầu
- kết quả đầu ra một nhãn hiệu nhưng cũng có thể xuất ra một số điểm