Çok Boyutlu Ölçekleme
MDS / Multidimensional Scaling
Tanım
🔹 1. (MDS):
Nesneler veya değişkenler arasındaki mesafeleri veya benzerlikleri düşük boyutlu bir uzayda görselleştirmek için kullanılan bir dizi istatistiksel teknik.
🔹 2. (multidimensional scaling):
Uyarıcılar arasındaki algısal benzerlikleri, benzer olanları uzamsal olarak birbirine yakın, farklı olanları ise uzak konumlandırarak görselleştiren bir veri indirgeme ve ölçekleme yöntemidir.
Örnek Vaka / Uygulama
🔹 1. (MDS): Bir araştırmacı, hastaların 15 farklı psikiyatrik belirtiyi birbirine ne kadar benzettiğini incelemektedir. Elde edilen benzerlik matrisine MDS uygulandığında, belirtilerin iki boyutlu bir uzayda 'anksiyete ekseni' ve 'depresyon ekseni' etrafında nasıl kümelendiği grafik üzerinde net bir şekilde gözlemlenir. 🔹 2. (multidimensional scaling): Bir araştırmacının 10 farklı otomobil markasının tüketiciler tarafından zihinsel olarak birbirine ne kadar benzer bulunduğunu incelediğini varsayalım. Tüketicilerden alınan ikili karşılaştırma puanları bir benzerlik matrisine dönüştürülür. MDS analizi uygulandığında, lüks sedanlar grafiğin bir köşesinde, ekonomik hatchbackler ise başka bir köşesinde konumlanır; böylece markaların tüketicinin zihnindeki örtük kategorizasyon uzayı iki boyutlu bir düzlemde görselleştirilmiş olur.
Derin Analiz
🔹 1. (MDS):
Çok Boyutlu Ölçekleme (MDS), yüksek boyutlu veri setlerindeki karmaşık ilişkileri ve gizli yapıları iki veya üç boyutlu bir düzlemde grafiksel olarak temsil etmeye yarayan keşifsel bir veri analizi yöntemidir. Algoritma, gözlemler arasındaki orijinal benzerlik veya uzaklık matrisini koruyarak, koordinatları minimize edilmiş bir stres fonksiyonu üzerinden yeniden hesaplar. Bilişsel bilimlerde ve psikolojide, deneklerin uyarıcılar arasındaki algısal mesafelerini (örneğin renklerin veya kavramların zihinsel uzaydaki yakınlığı) haritalandırmak için sıklıkla kullanılır.
🔹 2. (multidimensional scaling):
Çok Boyutlu Ölçekleme (MDS), büyük ölçekli veri matrislerindeki karmaşık ilişkileri ve mesafeleri düşük boyutlu (genellikle 2 veya 3 boyutlu) Kartezyen uzayda geometrik olarak temsil eden bir istatistiksel ordinasyon tekniğidir. Faktör analizine güçlü bir alternatif olarak geliştirilen bu yöntem, gözlemler arasındaki uzaklıkları veya benzerlik matrislerini koruyarak verinin gizli yapısını ortaya çıkarır. Algoritma, nesneler arasındaki n-boyutlu mesafeleri hedef uzaydaki mesafelerle eşleştirmeye çalışır; bu süreçte 'stres' (stress) adı verilen bir uyumsuzluk indeksini minimize etmeyi amaçlar. Özellikle psikofizikte, pazarlamada tüketici algı haritalarında ve bilişsel bilimlerde mental temsillerin yapısını incelemek için temel bir analitik araçtır.
Etimoloji
🔹 1. (MDS):
Latince 'multus' [çok] + 'dimensionem' [boyut] kelimelerinin birleşimi ile İngilizce 'scaling' [ölçekleme] kavramının kısaltması.
🔹 2. (multidimensional scaling):
Latince 'multus' [çok] + 'dimensionem' [boyut] kelimelerinin birleşiminden türetilmiş, ardından İngilizce 'scaling' [ölçekleme, derecelendirme] kavramıyla matematiksel literatüre kazandırılmıştır.
Karıştırmayın
🔹 1. (MDS):
Temel Bileşenler Analizi (PCA) ile sıklıkla karıştırılır; PCA varyansı maksimize etmeye ve değişken sayısını azaltmaya odaklanırken, MDS doğrudan nesneler arasındaki mesafeleri korumayı hedefler.
🔹 2. (multidimensional scaling):
Temel Bileşenler Analizi (PCA) ve Faktör Analizi ile karıştırılır; ancak PCA ve faktör analizi değişkenler arasındaki varyans-kovaryans yapısını ve gizli faktörleri hedeflerken, MDS doğrudan nesneler veya durumlar arasındaki çiftli mesafelerin/benzerliklerin geometrik tasvirine odaklanır.
Keşfetmeye Devam Edin
Faktör Analizi
Faktör Analizi
Factor Analysis
Gözlenen çok sayıda birbiriyle ilişkili değişkeni, aralarındaki ortak varyansı temel alarak daha az sayıda gizli ve soyut değişkene (faktöre) indirgeyen çok değişkenli bir istatistiksel yöntem.
İncele
Temel Bileşenler Analizi
Temel Bileşenler Analizi
Principal Components Analysis (PCA)
Çok sayıda gözlenen değişkeni, aralarındaki varyansı koruyarak daha az sayıda ilişkisiz doğrusal bileşene indirgeyen çok değişkenli istatistiksel veri indirgeme yaklaşımı.
İncele
Kümeleme Analizi
Kümeleme Analizi
Cluster Analysis
Çok değişkenli veri analizinde, bireyleri veya gözlem birimlerini belirli özellikler bakımından gösterdikleri yüksek benzerliğe dayanarak homojen alt gruplara ayıran istatistiksel bir yöntemdir.
İncele