AI用語集
人工知能の完全辞典
ロバスト行列分解
外れ値やノイズに対して耐性を持つよう設計された行列分解手法の集合であり、推定される潜在因子に対するデータエラーの影響を最小化する。
ロバスト特異値分解 (rSVD)
L2ノルムの代わりに外れ値に強いノルム（L1ノルムなど）を使用する標準的なSVDの変種であり、ノイズが存在する環境下で主成分をより信頼性高く推定することを可能にする。
ロバスト非負値行列分解 (rNMF)
外れ値の検出と処理のメカニズム（多くの場合、正則化項や特定の損失関数を通じて）を統合したNMFの拡張版であり、非負かつ安定した因子を保証する。
因子分解におけるヒューバー法
小さな誤差には二次的、大きな誤差には線形的であるヒューバー損失関数を因子分解の最適化に適用するアプローチであり、ノイズへの感度と外れ値に対する頑健性のバランスを提供する。
L1-PCA (L1ノルム主成分分析)
L1ノルムの最小化に基づく主成分分析手法であり、標準的なPCAで伝統的に使用されるL2ノルムよりも極端な点（外れ値）に対して感度が低くなる。
ロバスト主成分分析 (RPCA)
データ行列を低ランク行列（潜在的な構造）とスパース行列（外れ値）の和に分解する技術であり、信号とノイズを効果的に分離する。
絶対偏差中央値による行列分解 (MAD)
分散の尺度として絶対偏差中央値（MAD）を使用して分解時にエラーを重み付けするロバストな手法であり、最終的なモデルに対する極端な観測値の影響を軽減する。
ロバスト交互最小二乗法
損失関数が外れ値に対して感度を下げるように修正されたALSアルゴリズムの変種であり、因子の交互更新時に最小二乗法をロバストな基準に置き換えることが多い。
ロバスト分位点因子分解
残差の平均ではなく分位点に基づいて因子分解を最適化するアプローチであり、推定プロセスを一定割合の破損データに対して鈍感にします。
ロバスト潜在因子分解
ノイズや外れ値の観測値の影響を軽減しながら、データ行列から潜在変数（因子）を抽出するモデリング手法であり、データの内在構造をより忠実に表現します。
ロバスト性重み付き行列分解
行列の各エントリに対して、それが外れ値である確率に基づいて重みを割り当てる手法であり、分解中に信頼性の低いデータの影響を最小限に抑えるためにその重みが使用されます。
因子分解におけるRANSAC法
ランダムサンプルコンセンサス（RANSAC）を因子分解に適用したものであり、ランダムなデータの部分集合からモデルを反復的に推定し、インライア（整合性のあるデータ）のみを保持して最終的なロバストなモデルを構築します。
L2,1ノルムによる因子分解
誤差行列のL2,1ノルム（行のL2ノルムの合計）を最小化する手法であり、データ行列内の行または列に構造化された外れ値に対して特に堅牢（ロバスト）です。
ロバスト切り捨て分解（ロバスト切り捨てSVD）
上位k個の特異値を保持する前に、クリーンアップまたは重み付けの手順を適用して、保持される成分に対するノイズや極値の影響を軽減する、切り捨てSVDのロバスト版です。
ノイズ混合モデルによる行列分解
ノイズを分布の混合（例：ノイズにはガウス分布、外れ値にはより広い分布）として明示的にモデル化する高度なアプローチであり、より細かい分離とより安定した因子分解を可能にします。