Στρατηγικές μείωσης των διαστάσεων σε κύβους δεδομένων με ανεξάρτητες “φέτες”

Περίληψη

Ο κύβος δεδομένων αποτελεί μια p-διάστατη δομή δεδομένων, όπου p≥3. Η εφαρμογή παραδοσιακών μεθόδων μείωσης των διαστάσεων εξαρτάται από το επιστημονικό πεδίο, τους στόχους της μελέτης, τον τύπο του κύβου δεδομένων και τα παρατηρούμενα δεδομένα. Ως εκ τούτου, κρίνεται σοφότερη η εφαρμογή ποικίλων στρατηγικών ανάλυσης. Στην εν λόγω μελέτη, διερευνήθηκε η δυνατότητα εφαρμογής διαφόρων στρατηγικών μείωσης των διαστάσεων που βασίζονται στην PCA. Ορισμένες στρατηγικές βασίστηκαν στην ιδέα της διάσπασης της συνολικής μεταβλητότητας (αδράνειας) του κύβου σε μεταβλητότητα μεταξύ και εντός των “φετών”. Κάποιες άλλες είτε αγνόησαν αρχικά την επίδραση των “φετών” στη δομή της μεταβλητότητας και την εισήγαγαν σε δεύτερο επίπεδο, είτε την αγνόησαν εντελώς, ενώ άλλες στρατηγικές έλαβαν υπόψιν την επίδραση των “φετών” στη δομή της μεταβλητότητας, μέσω διαφορετικής κωδικοποίησης της μεταβλητής των “φετών”. Στόχος ήταν η πρόταση νέων ιδεών, σχετικά με στρατηγικές μείωσης των διαστάσεων σε κύβους δεδομένων με ανεξάρτητες “φέτες”. Για την εφαρμογή και σύγκριση των προτεινόμενων στρατηγικών χρησιμοποιήθηκε το σύνολο δεδομένων “ADONUT” (κύβος δεδομένων 42,061×13×3, με τρεις ανεξάρτητες “φέτες” και άνισο αριθμό αντικειμένων ανά “φέτα”), το οποίο προέρχεται από Πανελλήνια μελέτη σχετικά με τις διατροφικές συνήθειες των εφήβων, κατά τα έτη 2010-2012, από το Τμήμα Επιστημών Διατροφής και Διαιτολογίας, ΔΙΠΑΕ. Οι εβδομαδιαίες συχνότητες κατανάλωσης 13 ομάδων τροφίμων, αποτέλεσαν τις ποσοτικές μεταβλητές, ενώ οι έφηβοι προέρχονταν από τρεις περιοχές που αποτέλεσαν τις “φέτες” του κύβου. Τα αποτελέσματα ανέδειξαν τη σημαντικότητα εφαρμογής διαφορετικών στρατηγικών μείωσης των διαστάσεων, ανάλογα με τους στόχους της έρευνας.