تحليل البيانات متعددة الاتجاهات

تحليل البيانات متعدد الاتجاهات هو أسلوب لتحليل مجموعات البيانات الكبيرة من خلال تمثيل مجموعة من الملاحظات كمصفوفة متعددة الاتجاهات.أجأنا0×أنا1×...أناج×...أناج{\displaystyle {\mathcal {A}}\in {\mathbb {C} }^{I_{0}\times I_{1}\times \dots I_{c}\times \dots I_{C}}}إن الاختيار الصحيح لتنظيم البيانات في مصفوفة (C+1) -way، وتقنيات التحليل، يمكن أن تكشف عن أنماط في البيانات الأساسية لا يمكن اكتشافها بواسطة طرق أخرى. [ 1 ]

تاريخ

بدأ تطوير دراسة تحليل البيانات متعددة الأبعاد بشكل رسمي نتيجةً لمؤتمر عُقد عام ١٩٨٨. وقد أسفر هذا المؤتمر عن أول نص مُخصص لهذا المجال، وهو كتاب " تحليل البيانات متعددة الأبعاد" لكوبي وبولاسكو . [ ١ ] في ذلك الوقت، شملت مجالات تطبيق التحليل متعدد الأبعاد الإحصاء ، والاقتصاد القياسي ، وعلم النفس القياسي . وفي السنوات الأخيرة، توسعت التطبيقات لتشمل علم القياس الكيميائي ، والزراعة ، وتحليل الشبكات الاجتماعية ، وصناعة الأغذية . [ ٢ ]

تكوين تحليل البيانات متعددة الاتجاهات

بيانات متعددة الاتجاهات

يستخدم محللو البيانات متعددة المصادر مصطلح " طريقة " للإشارة إلى عدد مصادر تباين البيانات، بينما يحتفظون بكلمة " نمط" للإشارة إلى الأساليب أو النماذج المستخدمة في تحليل البيانات. [ 3 ] : xviii

وبهذا المعنى، يمكننا تحديد الطرق المختلفة لتحليل البيانات:

  • بيانات أحادية الاتجاه : نقطة بيانات ذاتأنا0{\displaystyle I_{0}}-أبعاد،أجأنا0{\displaystyle {\bf {a}}\in {\mathbb {C} }^{I_{0}}}هو متجه أو نقطة بيانات يتم تخزينها في بنية بيانات مصفوفة أحادية الاتجاه .
  • البيانات ثنائية الاتجاه: مجموعة منأنا1{\displaystyle I_{1}}نقاط البياناتأجأنا0{\displaystyle {\bf {a}}\in {\mathbb {C} }^{I_{0}}}يتم تخزينها في مصفوفة ثنائية الاتجاه ،أجأنا0×أنا1{\displaystyle {\bf {A}}\in {\mathbb {C} }^{I_{0}\times I_{1}}}يمكن استخدام جدول البيانات لتصور هذه البيانات في حالة الأبعاد المنفصلة.
  • البيانات ثلاثية الأبعاد : مجموعة من البياناتأجأنا0{\displaystyle {\bf {a}}\in {\mathbb {C} }^{I_{0}}}يتم تخزين البيانات التي تحتوي على نمطين من التباين في مصفوفة ثلاثية الأبعاد،أجأنا0×أنا1×أنا2{\displaystyle {\bf {A}}\in {\mathbb {C} }^{I_{0}\times I_{1}\times I_{2}}}قد تمثل هذه البيانات درجة الحرارة في مواقع مختلفة (بيانات ثنائية الاتجاه) تم أخذ عينات منها على مدار أوقات مختلفة (مما يؤدي إلى بيانات ثلاثية الاتجاه).
  • يمكن تمثيل البيانات الرباعية ، باستخدام نفس تشبيه جدول البيانات، على أنها مجلد ملفات مليء بدفاتر عمل منفصلة.
  • يمكن تمثيل البيانات الخماسية والبيانات السداسية بمستويات أعلى مماثلة من تجميع البيانات.

بشكل عام، يتم تخزين البيانات متعددة الأبعاد في مصفوفة متعددة الأبعاد ويمكن قياسها في أوقات مختلفة، أو في أماكن مختلفة، باستخدام منهجيات مختلفة، وقد تحتوي على تناقضات مثل البيانات المفقودة أو التناقضات في تمثيل البيانات.

نموذج متعدد الاتجاهات

تطبيق متعدد الاتجاهات

يمكن استخدام تحليل البيانات متعددة الأبعاد في تطبيقات متعددة الأبعاد متنوعة لمعالجة مشكلة اكتشاف البنية الخطية المتعددة الخفية في مجموعات البيانات متعددة الأبعاد. فيما يلي أمثلة على التطبيقات في مجالات مختلفة: [ 4 ]

معالجة متعددة الاتجاهات

المعالجة متعددة الأبعاد هي تنفيذ نموذج (نماذج) متعددة الأبعاد مصممة ومحددة، لتحويل البيانات متعددة الأبعاد إلى المستوى المطلوب من خلال تلبية الاحتياجات الخاصة لتطبيق متعدد الأبعاد معين. ويُعدّ مثال البيانات المُولّدة باستخدام لسان إلكتروني قياس الجهد مثالاً نموذجياً على المعالجة متعددة الأبعاد ذات الصلة. [ 9 ]

انظر أيضاً

مراجع

  1. 1 2 كوبي، ر.؛ بولاسكو، س.، محرران. (1989). تحليل البيانات متعددة الاتجاهات . أمستردام: نورث هولاند. ISBN 9780444874108.
  2. برو، راسموس (20 نوفمبر 1998). التحليل متعدد الاتجاهات في صناعة الأغذية: النماذج والخوارزميات والتطبيقات (ملف PDF) (أطروحة دكتوراه). جامعة أمستردام .
  3. كروننبرغ، بيتر م. (2008). تحليل البيانات متعددة الاتجاهات التطبيقي . سلسلة وايلي في الاحتمالات والإحصاء. المجلد 702. جون وايلي وأولاده. ص. xv. ISBN   9780470237991.
  4. أكار، إيفريم؛ ينر، بولنت. تحليل البيانات متعددة الاتجاهات غير الخاضعة للإشراف: دراسة أدبية (ملف PDF) (أطروحة). معهد رينسيلار للفنون التطبيقية .
  5. فاسيلسكو، ماو؛ تيرزوبولوس، د. (2002). "التحليل متعدد الخطوط لمجموعات الصور: TensorFaces" (ملف PDF) . سلسلة محاضرات في علوم الحاسوب 2350؛ (مُقدَّم في وقائع المؤتمر الأوروبي السابع لرؤية الحاسوب (ECCV'02)، كوبنهاغن، الدنمارك). سبرينغر، برلين، هايدلبرغ. doi : 10.1007/3-540-47969-4_30 . ISBN 978-3-540-43745-1.{{cite journal}}يتطلب الاستشهاد بالمجلة ( مساعدة )|journal=
  6. MAO Vasilescu, D. Terzopoulos (2005) "Multilinear Independent Component Analysis" , "Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR'05), San Diego, CA, June 2005, vol.1, 547–553."
  7. MAO Vasilescu (2002) "بصمات الحركة البشرية: التحليل، التركيب، التعرف"، وقائع المؤتمر الدولي للتعرف على الأنماط (ICPR 2002)، المجلد 3، مدينة كيبيك، كندا، أغسطس 2002، 456-460.
  8. فاسيلسكو، ماو؛ كيم، إريك؛ زينغ، شياو (2021). "CausalX: التفسيرات السببية وتحليل العوامل الخطية المتعددة الكتلية"، (ملف PDF) . ضمن وقائع المؤتمر الدولي الخامس والعشرين للتعرف على الأنماط (ICPR 2020). ميلانو، إيطاليا. الصفحات 10736-10743 . 
  9. كارتاس، راؤول؛ ميمينديا، أيتور؛ ليجين، أندريه؛ ديل فالي، مانيل (2011). "المعالجة متعددة الاتجاهات للبيانات المولدة باستخدام لسان إلكتروني قياس الجهد في نظام SIA". التحليل الكهربائي . 23 (4): 953-961 . doi : 10.1002/elan.201000642 .