Answers:
奇异值分解(SVD)与减少数据的维数不同。这是一种将矩阵分解为其他矩阵的方法,该矩阵具有许多很棒的属性,我在这里不介绍。有关SVD的更多信息,请参见Wikipedia页面。
减少数据的维数有时非常有用。可能您的变量多于观察值。这在基因组工作中并不罕见。可能是我们有几个高度相关的变量,例如,当它们受到少数潜在因素的严重影响时,我们希望恢复一些近似的潜在因素。降维技术(例如主成分分析,多维缩放和规范变量分析)使我们可以洞察观察值和/或变量之间的关系,而我们可能无法以其他任何方式获得它们。
一个具体的例子:几年前,我在分析一项员工满意度调查,该调查涉及100多个问题。好吧,没有经理能够查看超过100个问题的答案,甚至是摘要,并且所做的事都比猜测答案的含义还要多,因为谁能说出答案的相关性和推动力,真的?我对数据进行了因子分析,对此我进行了10,000多次观察,并提出了五个非常清晰且易于理解的因子,这些因子可用于制定管理者特定的分数(每个因子一个),以总结整个过程。 100多项问题调查。比以前报告结果的Excel电子表格转储更好的解决方案!