Outil Mise à L’échelle Multidimensionnelle

La mise à l'échelle multidimensionnelle (MDS) est une méthode de séparation des données univariées basées sur la variance. Conceptuellement, MDS prend les différences, ou les distances, entre les éléments décrits dans les données et génère une carte entre les éléments. Le nombre de dimensions dans cette carte est souvent fourni avant la génération de la carte par l’analyste. Habituellement, la dimension de variance la plus élevée correspond aux plus grandes distances décrites dans les données. Dans la mesure où la solution de cartographie repose sur des données univariées, la rotation et l’orientation des dimensions des cartes ne sont pas significatives. L’outil MDS applique une analyse dimensionnelle similaire aux Composants principaux. Pour plus d'informations , voir https://en.wikipedia.org/wiki/Multidimensional_scaling.

Deux types de MDS sont mis en œuvre dans cet outil: le MDS classique et le MDS isométrique. La MDS classique est l’approche simple et rapide. La MDS classique génère une carte en réduisant l’erreur entre les distances données entre les éléments et la distance cartésienne entre les éléments sur la carte. La MDS isométrique est un peu plus complexe. Si la carte résultant de la MDS classique est prise, puis ajustée de sorte que les distances sur la carte entre des paires d’éléments apparaissent dans le même ordre décroissant que les données d’origine, on parle alors de MDS isométrique. Cette MDS isométrique est alors utile lorsque les unités de distance exactes sont moins importantes que le rang des paires d’éléments qui sont les plus éloignées ou les plus proches les unes des autres.

Par exemple, la MDS classique calcule la distance en ligne droite entre les villes des États-Unis pour générer une carte des États-Unis. Un exemple d'utilisation de MDS isométrique serait la production d'un tableau alimentaire multidimensionnel basé sur la similitude ou la différence de la valeur nutritive entre les aliments, où un classement des distances est plus important qu'une coordonnées d'unité spécifique. Ces méthodes sont souvent employées dans le cadre de la recherche marketing pour obtenir le nombre et la nature des dimensions perceptuelles que les clients mettent en œuvre pour déterminer la similarité entre différents éléments.

Un flux de données configuré dans l'une des deux manières suivantes:

1. Un flux de 3 colonnes avec chaque entrée représentant les noms de paires d'objets et leur dissemblance.
2. Matrice MxM dont chaque colonne représente un élément, chaque ligne représente un élément et chaque intersection représente la valeur de dissimilarité. Pour plus d'informations , voir https://en.wikipedia.org/wiki/Distance_matrix.

Utilisez l'onglet Options de modèle pour configurer votre modèle.

1. Choisissez le typed'entrée : Sélectionnez s'il faut utiliser l'approche à 3 colonnes en deux sens ou l'approche de la matrice de distance pour l'entrée d'informations de dissemblance. Dans l’un ou l’autre cas, vous devez définir toutes les distances entre les paires, sinon l’application renverra une erreur.
2. Nombre de dimensions à la sortie: Sélectionnez le nombre de dimensions que la carte et les données contiendront dans les sorties données et parcelles. Il convient de prendre en considération le niveau de variance à l’aide du tracé de valeurs propres dans le rapport pour choisir le nombre de dimensions le plus approprié.
3. Choisissez la méthode de mise à l'échelle multidimensionnelle: Choisissez entre l'utilisation d'algorithmes MDS classiques ou Isometric MDS.

Utilisez l' onglet options de traçage pour définir des contrôles pour le tracé de sortie.

1. Comma liste séparée de dimensions à retourner:Tous les numéros dans cette liste seront les dimensions qui ont leurs coordonnées d'élément multiplié par -1. Les algorithmes MDS choisissent la polarité dimensionnelle arbitrairement, et peuvent parfois être aidés par l'entrée de l'utilisateur. Par exemple, lors de la création d’une carte des États-Unis sur la base des distances entre les villes, la direction peut être inversée par rapport à ce qu’on sait.
2. Bar Plot of Eigenvalues: Cette coche décide si les valeurs et l'explication sont incluses ou non dans la sortie du rapport. Cela permet de choisir le nombre de dimensions à conserver dans la carte des données.    Le diagramme à barres aide essentiellement à savoir à quel point des dimensions supplémentaires intègrent uniquement du bruit ou de fausses données dans la carte.
3. Remplacer les noms d'éléments par des numéros dansle graphique pour la visibilité? : La carte peut contenir trop d'éléments pour identifier un nom d'un autre. Cette coche décide de convertir ou non tous les noms d'éléments en numéros d'identification (par exemple, 'Jack', 'Jill', 'Banana'... etc, contre x1, x2, x3,... x987, x988, etc.).

Utilisez l' onglet options graphiques pour définir les commandes de la sortie graphique.

• Tailledu tracé: sélectionnez pouces ou centimètres pour la taille du graphique.
• Résolution du graphique : sélectionnez la résolution du graphique en points par pouce : 1x (96 ppp) ; 2x (192 PPP) ; ou 3x (288 PPP). Une résolution basse produit un fichier de plus petite taille et facilite la visualisation sur un moniteur. Une résolution élevée produit un fichier de plus grande taille avec une qualité d’impression supérieure.
• Taille de police de base (points): sélectionnez la taille de la police dans le graphique.

Connectez un outil Explorateur à chaque ancrage de sortie pour afficher les résultats.

• D ancre: [Data] contient des entrées pour chaque élément et la valeur de coordonnées de chaque dimension.
• P ancre: [Plot] contient des sorties de rapport avec des paramètres graphiques comme déclaré dans la configuration de l'outil: (facultatif) tableau et graphique représentant la variance de chaque dimension avec explication de ce que les valeurs Eigen sont; Parcelles de chaque paire de dimensions (i.e. {1,2}; { 1, 3}; {1, 4}; {2,3}; {2, 4}; {3,4}) avec chaque élément représenté par nom ou (facultativement) un identificateur numérique.