Extrakce informace z mnohorozměrných dat a jejich zobrazování

Abstract

V předložené práci popisujeme a porovnáváme metody extrakce informace z dat s vysokou dimenzionalitou, a to jak pro spojité, tak pro diskrétní veličiny. Zaměřujeme se zejména na metodu hlavních komponent, faktorovou analýzu, mnohorozměrné škálování a korespondenční analýzu. Mnohorozměrné škálování a korespondenční analýzu rozebíráme včetně jejich zobecnění na vícerozměrné případy. Studujeme vzájemné souvislosti mezi jednotlivými metodami. Uvedené postupy aplikujeme na reálná data z praxe. Popisujeme implementaci jednotlivých metod ve statistických programech R a SPSS.

The presented thesis aims to describe and compare methods of extraction of information from high dimensional data, with both continuous and discrete variables. It is focused on principal component analysis, factor analysis, multidimensional scaling and correspondence analysis. The thesis includes generalization of multidimensional scaling and correspondence analysis to case with more random variables. Mutual relations of presented methods are studied. Presented methods are applied on real data and their implementation in statistical softwares R and SPSS is desribed.