Σύγκριση πέντε μεθόδων μείωσης διαστάσεων στο πολυδιάστατο σύνολο δεδομένων «Forest Cover Type»

Δημοσιευμένα: Jan 2, 2026
Λέξεις-κλειδιά:
Πολυμεταβλητά δεδομένα Μεγάλου όγκου δεδομένα Ανάλυση σε Κύριες Συνιστώσες Παραγοντική Ανάλυση Παραγοντική Ανάλυση Αντιστοιχιών Κατηγορική Ανάλυση σε Κύριες Συνιστώσες Παραγοντική Ανάλυση για Μεικτού τύπου Δεδομένα
Ζαχαρένια Κυρανά
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
https://orcid.org/0000-0001-9269-0675
Εμμανουήλ Πρατσινάκης
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Νικόλαος Παπαφιλίππου
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Άγγελος Μάρκος
Δημοκρίτειο Πανεπιστήμιο Θράκης
Γεώργιος Μενεξές
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Περίληψη

Μια πολυδιάστατη και πολυμεταβλητή δομή, με μεικτού τύπου δεδομένα, δίνει τη δυνατότητα εφαρμογής πολλών στατιστικών μεθόδων μείωσης των μαθηματικών διαστάσεων που στοχεύουν σε μια μειωμένη αναπαράσταση του αρχικού συνόλου δεδομένων, η οποία θα είναι μικρότερη σε «όγκο», αλλά θα εξακολουθεί να περιέχει κρίσιμη και χρήσιμη πληροφορία. Στην παρούσα εργασία, οι στατιστικές μέθοδοι μείωσης των διαστάσεων που συγκρίθηκαν μεταξύ τους, μέσω κατάλληλου συνόλου δεδομένων, ήταν η Ανάλυση σε Κύριες Συνιστώσες, η Παραγοντική Ανάλυση, η Παραγοντική Ανάλυση των Αντιστοιχιών, η Κατηγορική Ανάλυση σε Κύριες Συνιστώσες και η Παραγοντική Ανάλυση για Μεικτού τύπου Δεδομένα. Για τις συγκρίσεις των μεθόδων εφαρμόσθηκαν ποικίλες στρατηγικές. Στόχοι της μελέτης ήταν η σύγκριση των αποτελεσμάτων των πέντε μεθόδων μείωσης των διαστάσεων, ο έλεγχος εφαρμογής αυτών των μεθόδων σε πολυδιάστατα μεικτού τύπου δεδομένα και η σύγκριση των χρόνων εξαγωγής των αποτελεσμάτων από διαφορετικά στατιστικά λογισμικά, με σκοπό την ανάδειξη σημαντικών υπολογιστικών και ερμηνευτικών μειονεκτημάτων. Τα στατιστικά λογισμικά που χρησιμοποιήθηκαν ήταν η Python και το SPSS. Σημαντικά μειονεκτήματα των εν λόγω μεθόδων ήταν η “κατάρα των διαστάσεων”, με την έννοια του καθορισμού του αριθμού των σημαντικών διαστάσεων, η αυξημένη υπολογιστική ισχύς που απαιτούνταν, η έλλειψη κώδικα των λογισμικών για ορισμένες μεθόδους, η διαφοροποίηση ως προς τους υπολογισμούς μεταξύ των λογισμικών και, κατ’ επέκταση, η εξαγωγή διαφορετικών αποτελεσμάτων, η κατάρρευση ορισμένων λογισμικών ως προς τη διαχείριση πολλών ψευδομεταβλητών (0-1) και η δυσκολία ανάδειξης της καταλληλότερης μεθόδου μείωσης των μαθηματικών διαστάσεων.

Λεπτομέρειες άρθρου
  • Ενότητα
  • Εμπειρικές μελέτες
Creative Commons License

Αυτή η εργασία είναι αδειοδοτημένη υπό το CC Αναφορά Δημιουργού – Μη Εμπορική Χρήση – Όχι Παράγωγα Έργα 4.0 4.0.

Οι Συγγραφείς που δημοσιεύουν εργασίες τους στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ συμφωνούν στους παρακάτω όρους:

  1. Οι Συγγραφείς δεν χρεώνονται με έξοδα υποβολής, επεξεργασίας ή δημοσίευσης των εργασιών τους. Τα κόστη αυτά καλύπτονται από την Ελληνική Εταιρία Ανάλυσης Δεδομένων.
  2. Τα πνευματικά δικαιώματα των εργασιών που δημοσιεύονται στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ προστατεύονται από την άδεια Creative Commons Attribution-NonCommercial-ΝοDerivatives 4.0 International. Οι Συγγραφείς διατηρούν τα Πνευματικά Δικαιώματα και χορηγούν στο περιοδικό το δικαίωμα της πρώτης δημοσίευσης. Η άδεια αυτή επιτρέπει σε τρίτους - αποδέκτες της άδειας να χρησιμοποιούν την εργασία σε οποιαδήποτε μορφή μόνο για μη εμπορικούς σκοπούς. Αν οι τρίτοι τροποποιήσουν ή προσαρμόσουν το περιεχόμενο, οφείλουν να κοινοποιήσουν το τροποποιημένο περιεχόμενο for noncommercial purposes only. If others modify or adapt the material, they must license the modified material under identical terms.
  3. Με την προϋπόθεση της διατήρησης των διατυπώσεων που προβλέπονται στην άδεια σχετικά με την αναφορά στον αρχικό δημιουργό και την αρχική δημοσίευση στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ.
  4. Οι Συγγραφείς μπορούν να συνάπτουν ξεχωριστές και πρόσθετες συμβάσεις και συμφωνίες για τη μη αποκλειστική διανομή της εργασίας όπως δημοσιεύτηκε στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ (π.χ. κατάθεση σε ακαδημαϊκά καταθετήρια), με την προϋπόθεση της αναγνώρισης και την αναφοράς της πρώτης δημοσίευσης στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ.
  5. Το περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ Α επιτρέπει και ενθαρρύνει τους συγγραφείς να καταθέτουν τις εργασίες τους σε θεσμικά (π.χ. το αποθετήριο του Εθνικού Κέντρου Τεκμηρίωσης) ή θεματικά αποθετήρια, μετά τη δημοσίευσή τους στο ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ και με όρους Ανοικτής Πρόσβασης, όπως κατά περίπτωση προσδιορίζονται από τους χρηματοδότες της έρευνάς τους ή/και τα ιδρύματα με τα οποία συνεργάζονται. Κατά την κατάθεση της εργασίας τους, οι συγγραφείς πρέπει να παρέχουν πληροφορίες σχετικά με τη δημοσίευση της εργασίας στο περιοδικό και τις πηγές χρηματοδότησης της έρευνάς τους. Κατάλογοι των ιδρυματικών και θεματικών αποθετηρίων ανά χώρα υπάρχουν στη βάση http://opendoar.org/countrylist.php. Οι συγγραφείς έχουν τη δυνατότητα να καταθέσουν χωρίς κόστος την εργασία τους στο αποθετήριο www.zenodo.org, το οποίο υποστηρίζεται από το OpenAIRE (www.openaire.eu ), στο πλαίσιο των πολιτικών της Ευρωπαϊκής Επιτροπής για την ενίσχυση της Ανοικτής ακαδημαϊκής έρευνας.
Λήψεις
Τα δεδομένα λήψης δεν είναι ακόμη διαθέσιμα.
Αναφορές
Anderson, T. W. (1984). An Introduction to Multivariate Statistical Analysis (2nd ed.). New York: John Wiley & Sons, Inc.
Bellman, R. E. (1961). Adaptive Control Processes: A Guided Tour. Princeton University Press.
Cunningham, J. P., & Ghahramani, Z. (2015). Linear Dimensionality Reduction: Survey, Insights, and Generalizations. Journal of Machine Learning Research, 16(89), 2859−2900. https://doi.org/10.48550/arXiv.1406.0873
Dash, M., Liu, H., & Yao, J. (1997). Dimensionality reduction of unsupervised data. In Proceedings of the International Conference on Tools with Artificial Intelligence. IEEE.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data Analysis: A Global Perspective (7th ed.). New Jersey: Pearson Education, Inc.
Hendrickson, J. L. (2014). Methods for Clustering Mixed Data. Doctoral dissertation in University of South Carolina. Columbia.
Kassambara, A. (2017). Practical Guide to Cluster Analysis in R: Unsupervised Machine Learning (vol. 1). STHDA.
Linting, M., Meulman, J. J., Groenen, P. J., & van der Koojj, A. J. (2007). Nonlinear principal components analysis: introduction and application. Psychol Methods, 12(3), 336-358. https://doi.org/10.1037/1082-989X.12.3.336
Μενεξές, Γ. (2006). Πειραματικοί Σχεδιασμοί στην Ανάλυση Δεδομένων. Διδακτορική Διατριβή στο Τμήμα Εφαρμοσμένης Πληροφορικής του Πανεπιστημίου Μακεδονίας. Θεσσαλονίκη.
Messaoud, R. B., Boussaïd, O., & Loudcher-Rabaseda, S. (2007). A Multiple Correspondence Analysis to Organize Data Cubes. Frontiers in Artificial Intelligence and Applications, 155 (1), 133-146. https://halshs.archives-ouvertes.fr/halshs-00476483
Nguyen, L. H., & Holmes, S. (2019). Ten quick tips for effective dimensionality reduction. PLoS Computational Biology, 15 (6). https://doi.org/10.1371/journal.pcbi.1006907
Pagès, J. (2014). Multiple Factor Analysis by Example Using R (1st ed.). USA: Chapman & Hall/CRC.
Sharma, S. (1996). Applied Multivariate Techniques. New York: John Willey & Sons, Inc.
Tabachnick, B. G., & Fidell, L. S. (2007). Using Multivariate Statistics (5th ed.). New York: Allyn & Bacon/Pearson Education.
UCI Machine Learning Repository. Covertype Data Set. https://archive.ics.uci.edu/ml/datasets/covertype.
Τα περισσότερο διαβασμένα άρθρα του ίδιου συγγραφέα(s)