MacroPARAFAC：用于处理不完整多向数据中行异常值与单元异常值
统计方法学
2025-03-11 v2
摘要
多向数据将双向矩阵扩展为高维张量，通常通过降维技术进行探索。在本文中，我们研究了用于处理多向数据的平行因子分析（PARAFAC）模型，通过一组简洁的载荷矩阵和得分对其进行更紧凑的表示。我们假设数据可能是不完整的，并且可能同时包含行异常值和单元异常值，表示偏离多数情况的案例以及分散在整个数据阵列中的异常单元。为了应对这些挑战，我们提出了一种新算法，旨在稳健地估计载荷和得分。此外，我们引入了一种增强的异常值图，以区分异常行为的各种模式。通过模拟和荧光激发-发射矩阵（EEM）数据分析，我们证明了我们方法的稳健性。我们的结果强调了诊断工具在识别和解释数据中异常模式方面的有效性。
引用
@article{arxiv.2312.01168,
title = {MacroPARAFAC for handling rowwise and cellwise outliers in incomplete multi-way data},
author = {Mia Hubert and Mehdi Hirari},
journal= {arXiv preprint arXiv:2312.01168},
year = {2025}
}