Ενώ οι επιστήμονες δεδομένων συναντούν συχνά και τους δύο όρους στη μείωση των διαστάσεων, τα κύρια στοιχεία περιγράφουν τις κατευθύνσεις της μέγιστης διακύμανσης σε ένα σύνολο δεδομένων, ενώ οι μοναδικές τιμές μετρούν το μέγεθος της κλιμάκωσης κατά μήκος αυτών των γεωμετρικών αξόνων κατά την αποσύνθεση του πίνακα. Η κατανόηση της μαθηματικής τους γέφυρας είναι απαραίτητη για την κατανόηση αλγορίθμων όπως ο PCA και ο SVD.
Τα ορθογώνια διανύσματα που δείχνουν προς τις κατευθύνσεις της μέγιστης διακύμανσης, βοηθώντας στην απλοποίηση και συμπύκνωση δεδομένων υψηλής διάστασης.
Οι διαγώνιες καταχωρήσεις ενός πίνακα μοναδικών τιμών, που αντιπροσωπεύουν τους απόλυτους συντελεστές κλιμάκωσης ενός γραμμικού μετασχηματισμού.
| Λειτουργία | Κύρια Στοιχεία | Μοναδικές τιμές |
|---|---|---|
| Μαθηματική Προέλευση | Ιδιοδιανύσματα πίνακα συνδιακύμανσης | Παράγοντες αποσύνθεσης μήτρας (SVD) |
| Γεωμετρική Ερμηνεία | Κατευθύνσεις μέγιστης διακύμανσης | Κλιμάκωση μηκών κύριων αξόνων |
| Απαίτηση Δεδομένων | Απαιτεί δεδομένα με επίκεντρο τον μέσο όρο για στατιστική σημασία | Ισχύει για οποιονδήποτε αυθαίρετο ορθογώνιο ή τετραγωνικό πίνακα |
| Σχέση με τις ιδιοτιμές | Ίσο με τις ιδιοτιμές του πίνακα συνδιακύμανσης | Ίσο με τις τετραγωνικές ρίζες των ιδιοτιμών του γινομένου του πίνακα |
| Κύρια εφαρμογή | Μείωση διαστάσεων και εξαγωγή χαρακτηριστικών | Αντιστροφή πίνακα, ψευδο-αντίστροφος υπολογισμός και προσέγγιση χαμηλής τάξης |
| Εξάρτηση κλίμακας | Σημαντικά τροποποιημένα λόγω μετατόπισης ή κλιμάκωσης δεδομένων | Εγγενής ιδιότητα του συγκεκριμένου πίνακα που αποσυντίθεται |
| Φυσική Ερμηνεία | Άξονες ελλειψοειδούς νέφους δεδομένων | Συντελεστές τάνυσης μιας μετασχηματισμένης μοναδιαίας σφαίρας |
Τα κύρια στοιχεία αντιπροσωπεύουν τις συγκεκριμένες κατευθύνσεις όπου τα δεδομένα ποικίλλουν περισσότερο, λειτουργώντας ως οι νέοι άξονες για ένα βελτιστοποιημένο σύστημα συντεταγμένων. Αντίθετα, οι μοναδικές τιμές είναι βαθμωτές ποσότητες που αποκαλύπτουν πόσο ένας πίνακας τεντώνει ή συμπιέζει τον χώρο κατά μήκος αυτών των αξόνων. Ενώ το ένα σας δίνει τον προσανατολισμό του νέφους δεδομένων, το άλλο μετρά το μέγεθος του ίδιου του μετασχηματισμού.
Για να βρείτε τις κύριες συνιστώσες παραδοσιακά, πρέπει να υπολογίσετε τα ιδιοδιανύσματα του πίνακα συνδιακύμανσης ενός συνόλου δεδομένων. Οι μοναδικές τιμές προκύπτουν από την Αποσύνθεση Μοναδικών Τιμών, όπου οποιοσδήποτε πίνακας χωρίζεται σε τρεις διακριτούς πίνακες συστατικών. Όταν κεντράρετε τα δεδομένα σας αφαιρώντας τον μέσο όρο, το τετράγωνο μιας μοναδικής τιμής διαιρούμενο με το μέγεθος του δείγματος μείον ένα ισούται απόλυτα με τη διακύμανση αυτού του κύριου συστατικού.
Τα κύρια στοιχεία αλλάζουν δραματικά αν ξεχάσετε να κεντράρετε τον μέσο όρο ή να τυποποιήσετε τα δεδομένα σας, επειδή η στατιστική διακύμανση εξαρτάται σε μεγάλο βαθμό από το σημείο προέλευσης και τις κλίμακες μεταβλητών. Οι μοναδικές τιμές, ωστόσο, είναι μια θεμελιώδης αλγεβρική ιδιότητα του παρεχόμενου ακατέργαστου πίνακα. Δεν ενδιαφέρονται για στατιστικές υποθέσεις, εκτός εάν ο χρήστης κατασκευάσει πρώτα σκόπιμα έναν κεντραρισμένο πίνακα τύπου συνδιακύμανσης.
Οι αναλυτές δεδομένων βασίζονται σε κύρια στοιχεία για την απεικόνιση σύνθετων, πολυδιάστατων συνόλων δεδομένων σε απλά δισδιάστατα γραφήματα. Από την άλλη πλευρά, οι μηχανικοί υπολογιστικής όρασης χρησιμοποιούν μοναδικές τιμές για τη συμπίεση εικόνας και τα συστήματα συστάσεων μέσω προσεγγίσεων πίνακα χαμηλής τάξης. Το SVD είναι στην πραγματικότητα η προτιμώμενη αριθμητική μηχανή πίσω από την PCA, επειδή ο υπολογισμός μοναδικών τιμών αποφεύγει την απώλεια ακρίβειας που συμβαίνει κατά την κατασκευή ενός πίνακα συνδιακύμανσης.
Τα κύρια στοιχεία και οι μοναδικές τιμές είναι εντελώς ανεξάρτητες έννοιες.
Είναι βαθιά αλληλένδετα μέσω της κεντραρίσματος δεδομένων. Όταν ένας πίνακας δεδομένων αφαιρείται από τον μέσο όρο του, οι μοναδικές τιμές του είναι άμεσα ανάλογες με τις τετραγωνικές ρίζες των διακυμάνσεων κατά μήκος των κύριων συνιστωσών.
Πρέπει πάντα να υπολογίζετε τον πίνακα συνδιακύμανσης για να βρείτε τις κύριες συνιστώσες.
Το σύγχρονο λογισμικό σπάνια υπολογίζει τον πίνακα συνδιακύμανσης επειδή εισάγει αριθμητικά σφάλματα στρογγυλοποίησης. Αντίθετα, οι αλγόριθμοι εκτελούν την SVD απευθείας στον πίνακα δεδομένων, εξάγοντας τα κύρια στοιχεία με πολύ μεγαλύτερη ασφάλεια και αποτελεσματικότητα.
Οι μοναδικές τιμές μπορεί να είναι αρνητικές εάν τα δεδομένα παρουσιάζουν αρνητική συσχέτιση.
Οι μοναδικές τιμές είναι εξ ορισμού οι θετικές τετραγωνικές ρίζες των ιδιοτιμών από έναν συμμετρικό πίνακα. Είναι πάντα μη αρνητικοί πραγματικοί αριθμοί, που αντιπροσωπεύουν μήκη ή παράγοντες τάνυσης, ανεξάρτητα από τις συσχετίσεις στα αρχικά δεδομένα.
Η προσθήκη μιας σταθερής τιμής σε όλα τα σημεία δεδομένων αλλάζει εξίσου τις μοναδικές τιμές και τα κύρια στοιχεία.
Η μετατόπιση των δεδομένων κατά μια σταθερά αλλάζει τις μοναδικές τιμές επειδή οι ακατέργαστες καταχωρήσεις του πίνακα αλλάζουν. Ωστόσο, επειδή οι κύριες συνιστώσες βασίζονται στον πίνακα συνδιακύμανσης, ο οποίος εγγενώς αφαιρεί τον μέσο όρο, η μετατόπιση των δεδομένων αφήνει τις κύριες συνιστώσες εντελώς αμετάβλητες.
Το πρώτο κύριο συστατικό καταγράφει πάντα όλες τις πολύτιμες πληροφορίες.
Το πρώτο στοιχείο καταγράφει μόνο τη μέγιστη διακύμανση κατά μήκος ενός μόνο άξονα. Εάν τα δεδομένα σας κατανέμονται σφαιρικά ή περιέχουν κρίσιμα μη γραμμικά μοτίβα, ένα μόνο γραμμικό στοιχείο μπορεί να μην περιλαμβάνει καθόλου τις πιο σημαντικές δομές.
Επιλέξτε κύρια στοιχεία όταν ο κύριος στόχος σας είναι να ερμηνεύσετε, να οπτικοποιήσετε ή να μειώσετε τα χαρακτηριστικά ενός στατιστικού συνόλου δεδομένων με βάση τη διακύμανση. Επιλέξτε μοναδικές τιμές όταν χρειάζεται να λύσετε γραμμικά συστήματα, να συμπιέσετε πίνακες ή να εκτελέσετε σταθερούς αριθμητικούς υπολογισμούς χωρίς να ανησυχείτε για στατιστική προεπεξεργασία.
Το όριο μεταξύ των άπειρων και των ρητών αριθμών ορίζει τη διαφορά μεταξύ των αριθμών που μπορούν να εκφραστούν με ακρίβεια ως κλάσματα και εκείνων που καταλήγουν σε άπειρα, μη επαναλαμβανόμενα δεκαδικά. Ενώ οι ρητοί αριθμοί είναι τα καθαρά αποτελέσματα απλής διαίρεσης, οι άπειροι αντιπροσωπεύουν τις ρίζες ακεραίων που αρνούνται να τιθασευτούν σε μια πεπερασμένη ή επαναλαμβανόμενη μορφή.
Αυτή η σύγκριση εξηγεί τη μαθηματική διάκριση μεταξύ ακεραίων και ρητών αριθμών, δείχνοντας πώς ορίζεται κάθε τύπος αριθμού, πώς σχετίζονται στο ευρύτερο αριθμητικό σύστημα και καταστάσεις όπου η μία ταξινόμηση είναι καταλληλότερη για την περιγραφή αριθμητικών τιμών.
Ενώ η άλγεβρα επικεντρώνεται στους αφηρημένους κανόνες πράξεων και στον χειρισμό συμβόλων για την επίλυση αγνώστων, η γεωμετρία εξερευνά τις φυσικές ιδιότητες του χώρου, συμπεριλαμβανομένου του μεγέθους, του σχήματος και της σχετικής θέσης των σχημάτων. Μαζί, αποτελούν το θεμέλιο των μαθηματικών, μεταφράζοντας λογικές σχέσεις σε οπτικές δομές.
Ενώ η αλγοριθμική παραγωγή αξιοποιεί τεράστια υπολογιστική ισχύ για την ταχεία παραγωγή μαθηματικών δομών, αποδείξεων και ακατέργαστων δεδομένων με βάση καθορισμένους κανόνες, η ανθρώπινη ερμηνεία παρέχει την απαραίτητη διαίσθηση, το νόημα των συμφραζόμενων και τα εννοιολογικά πλαίσια που απαιτούνται για την κατανόηση αυτών των αποτελεσμάτων, αναδεικνύοντας μια βαθιά συμβίωση στα σύγχρονα μαθηματικά.
Τα αληθινά μαθηματικά μοτίβα αντιπροσωπεύουν δομικές, αμετάβλητες ή αιτιωδώς καθοδηγούμενες σχέσεις που παραμένουν συνεπείς σε ποικίλα σύνολα δεδομένων και συνθήκες, ενώ οι τυχαίες συσχετίσεις είναι φευγαλέες, τυχαίες ευθυγραμμίσεις που γεννιούνται από στατιστικό θόρυβο ή από τεράστια σύνολα δεδομένων όπου οι συμπτώσεις καθίστανται μαθηματικά αναπόφευκτες.
