Multivariate scaling (MDS) በመረጃ ስብስብ ውስጥ ያሉ የነጠላ ጉዳዮችን ተመሳሳይነት ደረጃ ለማሳየት መሳሪያ ነው። እሱ የሚያመለክተው በመረጃ እይታ ውስጥ በተለይም በሩቅ ማትሪክስ ውስጥ ያለውን መረጃ ለማሳየት ጥቅም ላይ የሚውሉ ተዛማጅ የማስተካከያ ዘዴዎችን ነው። ይህ ቀጥተኛ ያልሆነ የመጠን መቀነስ አይነት ነው። የኤምዲኤስ አልጎሪዝም ዓላማው በእቃዎች መካከል ያለው ርቀት በተቻለ መጠን በተቻለ መጠን ተጠብቆ እንዲቆይ እያንዳንዱን ነገር በN-dimensional space ውስጥ ለማስቀመጥ ነው። ከዚያ እያንዳንዱ ነገር በእያንዳንዱ የ N ልኬቶች ውስጥ መጋጠሚያዎች ይመደባል።
የኤምዲኤስ ግራፉ የልኬቶች ብዛት ከ2 ሊበልጥ ይችላል እና ቅድሚያ ተወስኗል። N=2 ን መምረጥ ለ 2D መበተን የነገር አቀማመጥን ያመቻቻል. በጽሁፉ ውስጥ ባሉ ሥዕሎች ውስጥ ባለብዙ-ልኬት ቅርፊት ምሳሌዎችን ማየት ይችላሉ። በሩሲያኛ ምልክቶች ያሉት ምሳሌዎች በተለይ ገላጭ ናቸው።
ማንነት
የባለብዙ ልኬት መለኪያ ዘዴ (ኤምኤምኤስ፣ኤምዲኤስ) ለኪሳራ ተግባራት ስብስብ እና ለታወቁ ርቀቶች ከክብደት እና ከመሳሰሉት የግብአት ማትሪክስ የማመቻቸት ሂደትን የሚያጠቃልል የተራዘመ የክላሲካል መሳሪያዎች ስብስብ ነው። በዚህ ዐውደ-ጽሑፍ ጠቃሚ የኪሳራ ተግባር ውጥረት ይባላል፣ይህም ብዙውን ጊዜ የጭንቀት መብዛት በሚባል አሰራር ይቀንሳል።
መመሪያ
ለብዙ ልኬት ልኬት ብዙ አማራጮች አሉ። የኤም.ዲ.ኤስ ፕሮግራሞች መፍትሄ ለማግኘት በራስ-ሰር ጭነቱን ይቀንሳሉ ። የሜትሪክ ያልሆነ ኤምዲኤስ አልጎሪዝም ዋና ባለ ሁለት ጊዜ የማሳደጉ ሂደት ነው። በመጀመሪያ, በጣም ጥሩው የሞኖቶኒክ ቅርበት ለውጥ መገኘት አለበት. ሁለተኛ፣ የውቅረት ነጥቦች ርቀታቸው ከተመጣጣኝ የቅርበት እሴቶቹ በተቻለ መጠን በቅርበት እንዲመሳሰል በጥሩ ሁኔታ መቀመጥ አለባቸው።
ማስፋፊያ
በስታቲስቲክስ ውስጥ የሜትሪክ መልቲሚሜንሽን ልኬት ማራዘሚያ የታለመው ቦታ የዘፈቀደ ለስላሳ ዩክሊዲያን ያልሆነ ቦታ ነው። ልዩነቶቹ በአንድ ወለል ላይ ርቀቶች ሲሆኑ እና የታለመው ቦታ የተለየ ገጽ ነው. ቲማቲክ ፕሮግራሞች የአንዱን ወለል በትንሹ ወደሌላው በማዛባት አባሪ እንድታገኙ ያስችሉሃል።
እርምጃዎች
ብዙ ደረጃዎችን በመጠቀም ጥናት ለማካሄድ ብዙ ደረጃዎች አሉ፡
- የችግሩ መፈጠር። ምን ዓይነት ተለዋዋጮችን ማወዳደር ይፈልጋሉ? ምን ያህል ተለዋዋጮችን ማወዳደር ይፈልጋሉ? ጥናቱ ለምን ዓላማ ጥቅም ላይ ይውላል?
- የግቤት ውሂብ በማግኘት ላይ።ምላሽ ሰጪዎች ተከታታይ ጥያቄዎች ይጠየቃሉ። ለእያንዳንዱ ጥንድ ምርቶች ተመሳሳይነት እንዲሰጡ ይጠየቃሉ (ብዙውን ጊዜ በ 7-ነጥብ ላይርት ሚዛን በጣም ተመሳሳይ እና በጣም ተመሳሳይ ያልሆነ)። የመጀመሪያው ጥያቄ ለኮካ ኮላ/ፔፕሲ ሊሆን ይችላል፣ ለምሳሌ ቀጣዩ ለቢራ፣ ቀጣዩ ለዶ/ር ፔፐር ወዘተ ሊሆን ይችላል። የጥያቄዎቹ ብዛት እንደ ብራንዶች ብዛት ይወሰናል።
አማራጭ አቀራረቦች
ሌሎች ሁለት አቀራረቦች አሉ። "Perceptual Data: Derived Approach" የሚባል ቴክኒክ አለ ይህም ምርቶች ወደ ባሕሪያት የሚበላሹበት እና ግምገማው በትርጉም ልዩነት ሚዛን ነው። ሌላው ዘዴ "የምርጫ ውሂብ አቀራረብ" ነው, እሱም ምላሽ ሰጪዎች ከተመሳሳይነት ይልቅ ስለ ምርጫዎች ይጠየቃሉ.
የሚከተሉትን ደረጃዎች ያካትታል፡
- የኤምዲኤስ ስታቲስቲካዊ ፕሮግራምን በማስጀመር ላይ። የአሰራር ሂደቱን ለማከናወን ሶፍትዌር በብዙ የስታቲስቲክስ ሶፍትዌር ፓኬጆች ውስጥ ይገኛል። ብዙ ጊዜ በሜትሪክ ኤምዲኤስ (በየጊዜ ክፍተት ወይም ሬሾ ደረጃ ውሂብን የሚመለከት) እና ሜትሪክ ባልሆነ ኤምዲኤስ (ከመደበኛ መረጃ ጋር የሚገናኝ) መካከል ምርጫ አለ።
- የመለኪያዎችን ብዛት በመወሰን ላይ። ተመራማሪው በኮምፒዩተር ላይ ለመፍጠር የሚፈልገውን የመለኪያ ብዛት መወሰን አለበት. ብዙ መለኪያዎች፣ የስታቲስቲክስ ሁኔታው የተሻለ ይሆናል፣ ነገር ግን ውጤቱን ለመተርጎም ይበልጥ አስቸጋሪ ይሆናል።
- ውጤቶችን አሳይ እና መለኪያዎችን ይግለጹ - የስታቲስቲካዊ ፕሮግራሙ (ወይም ተዛማጅ ሞጁል) ውጤቱን ያሳያል። ካርታው እያንዳንዱን ምርት ያሳያል (ብዙውን ጊዜ በ2D)።ቦታ)። የምርቶች ቅርበት እርስ በርስ መመሳሰል ወይም ምርጫን ያመለክታል፣ ይህም በየትኛው አካሄድ ጥቅም ላይ እንደዋለ ነው። ነገር ግን፣ መለኪያዎች ከስርዓት ባህሪ መለኪያዎች ጋር እንዴት እንደሚዛመዱ ሁልጊዜ ግልጽ አይደለም። የተስማሚነት ግላዊ ፍርድ እዚህ ሊደረግ ይችላል።
- ለአስተማማኝነት እና ትክክለኛነት ውጤቶችን ያረጋግጡ - በኤምዲኤስ አሰራር ሊመዘገብ የሚችለውን የተመጣጠነ የውሂብ ልዩነት መጠን ለማወቅ R-squared አስላ። ካሬ R 0.6 ዝቅተኛ ተቀባይነት ያለው ደረጃ ተደርጎ ይቆጠራል. R ስኩዌር 0.8 ለሜትሪክ ስኬል ጥሩ ነው ተብሎ ሲታሰብ 0.9 ለሜትሪክ ላልሆነ ሚዛን ጥሩ ነው ተብሎ ይታሰባል።
የተለያዩ ሙከራዎች
ሌሎች ፈተናዎች የKruskal አይነት የጭንቀት ሙከራዎች፣ የተከፋፈሉ ዳታ ሙከራዎች፣ የውሂብ መረጋጋት ሙከራዎች እና አስተማማኝነት ሙከራዎች ናቸው። በፈተናው ውስጥ ስላሉት ውጤቶች በዝርዝር ይጻፉ. ከካርታው ጋር፣ ቢያንስ የርቀት መለኪያ (ለምሳሌ Sorenson index፣ Jaccard index) እና አስተማማኝነት (ለምሳሌ የጭንቀት ዋጋ) መገለጽ አለበት።
እንዲሁም ስልተ ቀመር (ለምሳሌ ክሩስካል፣ማተር) ብዙ ጊዜ ጥቅም ላይ በሚውለው ፕሮግራም የሚወሰን (አንዳንድ ጊዜ የአልጎሪዝም ሪፖርቱን በመተካት)፣ መነሻ ውቅር ከሰጡ ወይም የዘፈቀደ ምርጫ ካሎት፣ ቁጥር መስጠት በጣም የሚፈለግ ነው። የመጠን ሩጫዎች፣ የሞንቴ ካርሎ ውጤቶች፣ የድግግሞሽ ብዛት፣ የመረጋጋት ውጤት እና የእያንዳንዱ ዘንግ (r-square) ተመጣጣኝ ልዩነት።
የእይታ መረጃ እና የውሂብ መመርመሪያ ዘዴሁለገብ ልኬት
የመረጃ ምስላዊነት የሰው ልጅን የማወቅ ችሎታ ለማዳበር የአብስትራክት መረጃዎችን በይነተገናኝ (የእይታ) ውክልና ጥናት ነው። የአብስትራክት መረጃ እንደ ጽሑፋዊ እና ጂኦግራፊያዊ መረጃ ያሉ የቁጥር እና የቁጥር ያልሆኑ ሁለቱንም ያካትታል። ነገር ግን የመረጃ ምስላዊነት ከሳይንስ እይታ ይለያል፡ “የቦታ ውክልና ሲመረጥ መረጃ ሰጪ (መረጃ ቪዥላይዜሽን) እና ሳይቪስ (ሳይንሳዊ እይታ) የቦታ ውክልና ሲሰጥ ነው።”
የመረጃ ምስላዊ መስክ በሰው-ኮምፒዩተር መስተጋብር፣ በኮምፒውተር ሳይንስ አፕሊኬሽኖች፣ በግራፊክስ፣ በእይታ ንድፍ፣ በስነ-ልቦና እና በቢዝነስ ዘዴዎች ላይ ከተደረጉ ጥናቶች የተገኘ ነው። በሳይንሳዊ ምርምር፣ ዲጂታል ቤተ-መጻሕፍት፣ የውሂብ ማዕድን፣ የፋይናንሺያል መረጃ፣ የገበያ ጥናት፣ የምርት ቁጥጥር እና የመሳሰሉት እንደ አስፈላጊ አካል ከጊዜ ወደ ጊዜ ጥቅም ላይ እየዋለ ነው።
ዘዴዎች እና መርሆዎች
የመረጃ ምስላዊ እይታ የሚያሳየው የእይታ እና የመስተጋብር ዘዴዎች የሰዎችን የአመለካከት ብልጽግና በመጠቀም ተጠቃሚዎች በአንድ ጊዜ ብዙ መረጃዎችን እንዲያዩ፣ እንዲያስሱ እና እንዲረዱ ያስችላቸዋል። የመረጃ ምስላዊነት ረቂቅ ውሂብን ፣መረጃን በሚታወቅ መንገድ ለማስተላለፍ አቀራረቦችን ለመፍጠር ያለመ ነው።
የመረጃ ትንተና የሁሉም ተግባራዊ ምርምር እና በኢንዱስትሪ ውስጥ ያሉ ችግሮችን መፍታት ዋና አካል ነው። አብዛኞቹየመረጃ ትንተና መሰረታዊ አቀራረቦች ምስላዊ (ሂስቶግራሞች ፣ የተበታተኑ ቦታዎች ፣ የወለል ንጣፎች ፣ የዛፍ ካርታዎች ፣ ትይዩ መጋጠሚያ ቦታዎች ፣ ወዘተ) ፣ ስታቲስቲክስ (መላምት ሙከራ ፣ ሪግሬሽን ፣ ፒሲኤ ፣ ወዘተ) ፣ የመረጃ ትንተና (ማዛመድ ፣ ወዘተ) ናቸው። መ) እና የማሽን መማሪያ ዘዴዎች (ክላስተር፣ ምደባ፣ የውሳኔ ዛፎች፣ ወዘተ)።
ከእነዚህ አካሄዶች መካከል የኢንፎርሜሽን ምስላዊ ወይም የእይታ ዳታ ትንተና በጣም ጥገኛ በሆነው የትንታኔ ሰራተኞች የግንዛቤ ክህሎት ላይ ነው እና በሰው ልጅ ምናብ እና ፈጠራ ብቻ የተገደቡ ያልተዋቀሩ ተግባራዊ ግንዛቤዎችን እንዲያገኙ ያስችላል። አንድ ተንታኝ የውሂብ ምስላዊ እይታዎችን ለመተርጎም ምንም ውስብስብ ቴክኒኮችን መማር አያስፈልገውም። የኢንፎርሜሽን ምስላዊነት መላምት የማመንጨት እቅድ ሲሆን ብዙውን ጊዜ በበለጠ ትንተናዊ ወይም መደበኛ ትንታኔ እንደ እስታትስቲካዊ መላምት ሙከራ።
ጥናት
የዘመናዊው የእይታ ጥናት በኮምፒዩተር ግራፊክስ የጀመረ ሲሆን ይህም ከመጀመሪያው ጀምሮ ሳይንሳዊ ችግሮችን ለማጥናት ያገለግል ነበር. ነገር ግን በመጀመሪያዎቹ ዓመታት የግራፊክስ ሃይል እጥረት ብዙውን ጊዜ ጠቀሜታውን ይገድበው ነበር. በእይታ ላይ ቅድሚያ መስጠት ተጀመረ. እ.ኤ.አ. በ 1987 ለማዳበር ፣ ለኮምፒዩተር ግራፊክስ እና እይታ በሳይንስ ኮምፒውቲንግ ልዩ ሶፍትዌር መለቀቅ ከዚያን ጊዜ ጀምሮ በ IEEE ኮምፒዩተር ሶሳይቲ እና ACM SIGGRAPH በርካታ ኮንፈረንሶች እና አውደ ጥናቶች ተካሂደዋል።
የመረጃ ምስላዊ፣ የመረጃ ምስላዊ እና ሳይንሳዊ ምስላዊ አጠቃላይ ርዕሶችን ሸፍነዋል፣እንዲሁም እንደ የድምጽ መጠን አተረጓጎም ያሉ ይበልጥ የተወሰኑ አካባቢዎች።
ማጠቃለያ
አጠቃላይ ሁለገብ ልኬት (ጂ.ኤም.ዲ.ኤስ) የሜትሪክ መልቲሚሜንሽናል ልኬት ማራዘሚያ ሲሆን ይህም የታለመው ቦታ ዩክሊዲያን ያልሆነ ነው። ልዩነቶቹ በገጽታ ላይ ርቀቶች ሲሆኑ፣ እና የታለመው ቦታ ሌላ ወለል ሲሆን፣ GMDS የአንዱን ወለል ንጣፍ በትንሹ መዛባት እንድታገኝ ይፈቅድልሃል።
GMDS አዲስ የምርምር መስመር ነው። በአሁኑ ጊዜ ዋናዎቹ አፕሊኬሽኖች የሚበላሽ የነገር ለይቶ ማወቂያ (ለምሳሌ ለ3-ል ፊት ለይቶ ማወቂያ) እና የሸካራነት ካርታ ናቸው።
የባለብዙ ልኬት ልኬት አላማ ባለብዙ ልኬት ውሂብን መወከል ነው። ሁለገብ ዳታ፣ ማለትም፣ ለመወከል ከሁለት ወይም ከሶስት ልኬቶች በላይ የሚያስፈልገው ውሂብ፣ ለመተርጎም አስቸጋሪ ሊሆን ይችላል። ለማቅለል አንዱ አቀራረብ የፍላጎት መረጃ በከፍተኛ-ልኬት ቦታ ላይ በተሰየመ ቀጥተኛ ያልሆነ ማኒፎል ላይ ነው ብሎ ማሰብ ነው። ሰብሳቢው በቂ መጠን ያለው ዝቅተኛ ከሆነ፣ ውሂቡ በዝቅተኛ ቦታ ላይ ሊታይ ይችላል።
አብዛኞቹ መስመራዊ ያልሆኑ የመጠን ቅነሳ ዘዴዎች ከመስመር ዘዴዎች ጋር የተያያዙ ናቸው። የመስመር ላይ ያልሆኑ ዘዴዎች በሁለት ቡድን ሊከፈሉ ይችላሉ፡ የካርታ ስራዎችን (ከከፍተኛ ቦታ ወደ ዝቅተኛ መክተት፣ ወይም በተቃራኒው) እና በቀላሉ ምስላዊነትን የሚያቀርቡ። በማሽን መማሪያ አውድ ውስጥ የካርታ ስራ ዘዴዎች እንደ ሊታዩ ይችላሉየባህሪ ማውጣት የመጀመሪያ ደረጃ ፣ ከዚያ በኋላ የስርዓተ-ጥለት ማወቂያ ስልተ ቀመሮች ይተገበራሉ። ብዙውን ጊዜ ምስላዊ እይታዎችን የሚሰጡት በቅርበት መረጃ ላይ የተመሰረቱ ናቸው - ማለትም የርቀት መለኪያዎች። ሁለገብ ልኬት እንዲሁ በስነ ልቦና እና በሌሎች ሰብአዊነት ውስጥ በጣም የተለመደ ነው።
የባህሪዎች ብዛት ትልቅ ከሆነ የልዩ ሊሆኑ የሚችሉ ሕብረቁምፊዎች ቦታም እንዲሁ በጣም ትልቅ ነው። ስለዚህ, መጠኑ በትልቁ, ቦታውን ለማሳየት በጣም አስቸጋሪ ይሆናል. ይህ ብዙ ችግር ይፈጥራል. በከፍተኛ-ልኬት መረጃ ላይ የሚሰሩ ስልተ-ቀመሮች በጣም ከፍተኛ የጊዜ ውስብስብነት አላቸው. መረጃን ወደ አነስ ያሉ መጠኖች መቀነስ ብዙውን ጊዜ የትንታኔ ስልተ ቀመሮችን የበለጠ ቀልጣፋ ያደርገዋል እና የማሽን መማር ስልተ ቀመሮችን የበለጠ ትክክለኛ ትንበያዎችን ለማድረግ ይረዳል። የባለብዙ ልኬት ዳታ ልኬት በጣም ተወዳጅ የሆነው ለዚህ ነው።
