බහුවිචල්ය සංඛ්යාලේඛන යනු කුමක්ද?
බහුවිචල්ය සංඛ්යාලේඛන යනු සංඛ්යානමය විචල්ය එකකට වඩා එකවර නිරීක්ෂණය කිරීම සහ විශ්ලේෂණය කිරීම ඇතුළත් සංඛ්යාලේඛන අංශයකි. බහුවිචල්ය සංඛ්යාන විශ්ලේෂණයේ අරමුණ වන්නේ දත්තවල සංකීර්ණ ව්යුහය තේරුම් ගැනීම සහ තනි විචල්ය විශ්ලේෂණය හරහා හඳුනාගත නොහැකි රටා සොයා ගැනීමයි. විවිධ ක්ෂේත්රවල පවතින දත්ත ප්රමාණය අඛණ්ඩව වැඩිවීමත් සමඟ, පර්යේෂණ සහ ප්රායෝගික යෙදීම්වල බහුවිචල්ය සංඛ්යාලේඛන තීරණාත්මක මෙවලමක් බවට පත්ව ඇත.
පෙන්ඩහුලුවන්
මූලික වශයෙන්, බහුවිචල්ය සංඛ්යාලේඛන ඒකවිචල්ය සංඛ්යාලේඛන (එක් විචල්යයක් පමණක් ඇතුළත් වේ) සහ ද්විවිචල්ය සංඛ්යාලේඛන (එය විචල්ය දෙකක් ඇතුළත් වේ) වලින් වෙනස් වේ. බහුවිචල්ය සංඛ්යාලේඛනවලදී, අපි බොහෝ විට බහු මිනුම් හෝ එකට විශ්ලේෂණය කළ යුතු විචල්ය අඩංගු දත්ත කට්ටල සමඟ කටයුතු කරමු. මෙම විචල්යයන් එකිනෙකා සමඟ අන්තර් ක්රියා කළ හැකි අතර විචල්ය එකක් හෝ දෙකක් පමණක් විශ්ලේෂණය කිරීමට වඩා පොහොසත් චිත්රයක් ලබා දිය හැකි බැවින් මෙම විශ්ලේෂණය වඩාත් සංකීර්ණ වේ.
බහුවිචල්ය සංඛ්යාලේඛන යෙදුම්
අලෙවිකරණය, මූල්ය, සමාජ විද්යාව, වෛද්ය විද්යාව සහ ජීව විද්යාව වැනි ක්ෂේත්රවල බහුවිචල්ය සංඛ්යාලේඛනවලට බොහෝ ප්රායෝගික යෙදුම් තිබේ. උදාහරණ කිහිපයක් නම්:
1. අලෙවිකරණය: අලෙවිකරණ පර්යේෂණ වලදී, වෙළඳපල කොටස් හඳුනා ගැනීමට, පාරිභෝගික මනාපයන් විශ්ලේෂණය කිරීමට සහ අලෙවිකරණ ව්යාපාරවල ඵලදායිතාව ඇගයීමට බහුවිචල්ය සංඛ්යාලේඛන භාවිතා කළ හැකිය.
2. මූල්ය: මූල්ය අංශයේ, ආයෝජන කළඹ කළමනාකරණය කිරීමට, අවදානම් සාධක හඳුනා ගැනීමට සහ ණය තක්සේරුව හෝ කොටස් මිලකරණය සඳහා පුරෝකථන ආකෘති ගොඩනැගීමට බහුවිචල්ය විශ්ලේෂණය භාවිතා කළ හැක.
3. සමාජ විද්යාවන්: සමාජ විද්යා ක්ෂේත්රය තුළ, බහුවිචල්ය ක්රම මගින් සංකීර්ණ සමීක්ෂණ දත්ත විශ්ලේෂණය කිරීමට, සමාජ විචල්යයන් අතර සම්බන්ධතා අධ්යයනය කිරීමට හෝ මිනිස් හැසිරීම් වලට බලපාන සාධක තේරුම් ගැනීමට උපකාරී වේ.
4. වෛද්ය විද්යාව සහ ජීව විද්යාව: වෛද්ය හා ජීව විද්යාත්මක පර්යේෂණවලදී, ජානමය දත්ත විශ්ලේෂණය කිරීමට, සෞඛ්යයට බලපාන සාධක අධ්යයනය කිරීමට හෝ ප්රතිකාරවල ඵලදායීතාවය ඇගයීමට බහුවිචල්ය සංඛ්යාලේඛන භාවිතා කළ හැක.
බහුවිචල්ය සංඛ්යාලේඛනවල මූලික ශිල්පීය ක්රම
බහුවිචල්ය සංඛ්යාලේඛනවල භාවිතා වන විවිධ ශිල්පීය ක්රම තිබේ. එක් එක් ශිල්පීය ක්රමයට විවිධ වර්ගයේ දත්ත සහ විශ්ලේෂණ ගැටළු සඳහා නිර්මාණය කර ඇති නිශ්චිත ඉලක්ක සහ ක්රම තිබේ. බහුවිචල්ය සංඛ්යාලේඛනවල නිතර භාවිතා වන මූලික ශිල්පීය ක්රම කිහිපයක් මෙන්න:
1. සාධක විශ්ලේෂණය
සාධක විශ්ලේෂණයේ අරමුණ වන්නේ නිරීක්ෂණය කරන ලද විචල්යයන් අතර යටින් පවතින ව්යුහය හඳුනා ගැනීමයි, එමඟින් ඉතා සහසම්බන්ධිත විචල්යයන් අඩු සාධකවලට කාණ්ඩගත කෙරේ. මෙම සාධක ගුප්ත වේ, එනම් ඒවා සෘජුවම නිරීක්ෂණය කළ නොහැකි නමුත් දත්ත වලින් ඇස්තමේන්තු කරනු ලැබේ.
2. ප්රධාන සංරචක විශ්ලේෂණය (PCA)
PCA යනු දත්තවල මානයන් අඩු කිරීම සඳහා භාවිතා කරන තාක්ෂණයකි. දත්තවල මානයන් අඩු කිරීමෙන්, අපට ඉතා වැදගත් තොරතුරු අහිමි නොවී විශ්ලේෂණය සරල කළ හැකිය. PCA මඟින් මුල් විචල්යයන් ප්රධාන සංරචක කුඩා සංඛ්යාවක් බවට පරිවර්තනය කරයි, එම සංරචක මගින් පැහැදිලි කරන ලද විචල්යතාවය උපරිම කරයි.
3. ලිපි හුවමාරු විශ්ලේෂණය
මෙම තාක්ෂණය හදිසි අවස්ථා වගුවක කාණ්ඩ අතර සම්බන්ධතා විශ්ලේෂණය කිරීමට භාවිතා කරයි. වර්ගීකරණ විචල්යයන් අතර සම්බන්ධතා තේරුම් ගැනීමට අපට අවශ්ය අවස්ථාවන්හිදී එය විශේෂයෙන් ප්රයෝජනවත් වේ.
4. වෙනස්කම් කිරීමේ විශ්ලේෂණය
බහු විචල්යවල මිනුම් මත පදනම්ව වස්තු කණ්ඩායම් දෙකකට හෝ වැඩි ගණනකට වර්ගීකරණය කිරීමට වෙනස්කම් කිරීමේ විශ්ලේෂණය භාවිතා කරයි. මෙම තාක්ෂණය බොහෝ විට භාවිතා කරනුයේ පුහුණු දත්ත ලේබල් කර ඇති අතර නව දත්ත සඳහා ලේබල් පුරෝකථනය කිරීමට අවශ්ය අවස්ථාවන්හිදීය.
5. පොකුරු විශ්ලේෂණය
බහු විචල්යයන් හරහා ඒවායේ සමානකම් මත පදනම්ව විෂයයන්/වස්තු කාණ්ඩ කිරීමට පොකුරු විශ්ලේෂණය භාවිතා කරයි. මෙම තාක්ෂණයට පෙර ලේබල් හෝ කාණ්ඩ අවශ්ය නොවන බැවින් එය දත්ත ගවේෂණයේදී නිතර භාවිතා වේ.
බහුවිචල්ය සංඛ්යාලේඛනවල අභියෝග
බහුවිචල්ය විශ්ලේෂණය බොහෝ වාසි ලබා දුන්නද, විසඳිය යුතු අභියෝග කිහිපයක් තිබේ:
1. ඉහළ මානයන්
බහුවිචල්ය සංඛ්යාලේඛන වලදී, අපි බොහෝ විට ඉහළ මාන දත්ත සමඟ කටයුතු කරමු. විචල්ය ගණන විශාල වන තරමට විශ්ලේෂණය වඩාත් සංකීර්ණ වේ. නිවැරදි තාක්ෂණය තෝරා ගැනීම සහ ඉහළ මානයන් ප්රතිඵලවලට බලපාන ආකාරය තේරුම් ගැනීම ඉතා වැදගත් වේ.
2. විචල්යයන් අතර සහසම්බන්ධය
බහුවිචල්ය විශ්ලේෂණයේදී විචල්ය අතර සහසම්බන්ධතාවය තීරණාත්මක සාධකයකි. විචල්යයන් බෙහෙවින් සහසම්බන්ධ නම්, ප්රතිඵල පක්ෂග්රාහී විය හැකිය. ප්රතිඵල විශ්ලේෂණය කිරීමේදී විචල්යයන් අතර සහසම්බන්ධතා තේරුම් ගැනීම සහ කළමනාකරණය කිරීම ඉතා වැදගත් වේ.
3. අධික ලෙස සවි කිරීම
ආකෘතියක් පුහුණු දත්ත වලට ඉතා සමීපව ගැළපෙන විට සහ නව දත්ත වලට සාමාන්යකරණය කිරීමේ හැකියාව නැති වූ විට අධි සවි කිරීම සිදු වේ. ඉහළ ආකෘති සංකීර්ණත්වය හේතුවෙන් බහුවිචල්ය විශ්ලේෂණයේ දී මෙය සැලකිය යුතු අවදානමකි.
4. අර්ථ නිරූපණය
වඩාත් සංකීර්ණ ශිල්පීය ක්රම සමඟ, විශ්ලේෂණාත්මක ප්රතිඵල අර්ථකථනය කිරීම වඩාත් අපහසු වේ. බහුවිචල්ය සංඛ්යාලේඛනවල ප්රතිඵල සරල කිරීම සහ අර්ථවත් අර්ථකථන සැපයීම බොහෝ විට අභියෝගයකි.
නිගමනය
බහුවිචල්ය සංඛ්යාලේඛන යනු සංකීර්ණ දත්ත විශ්ලේෂණය කිරීම සඳහා බලවත් මෙවලමකි. පවතින විවිධ ශිල්පීය ක්රම සමඟින්, අපට දත්ත ව්යුහයන් පිළිබඳ ගැඹුරු අවබෝධයක් ලබා ගත හැකි අතර සරල විශ්ලේෂණයක් හරහා අනාවරණය කර ගැනීමට නොහැකි රටා සොයා ගත හැකිය. කෙසේ වෙතත්, මෙම බලය සමඟ ක්රම සහ ඒවායේ ඇඟවුම් පිළිබඳ ගැඹුරු අවබෝධයක් අවශ්ය වන අභියෝග ගණනාවක් පැමිණේ.
පරිගණකකරණයේ දියුණුවත් සමඟ සහ දත්ත ලබා ගැනීමේ හැකියාව වැඩි වීමත් සමඟ, විවිධ ක්ෂේත්ර හරහා දත්ත විශ්ලේෂණයේ තීරණාත්මක කොටසක් ලෙස බහුවිචල්ය සංඛ්යාලේඛන දිගටම පවතිනු ඇත. බහුවිචල්ය සංඛ්යාලේඛනවල මූලික කරුණු සහ ඒවා යෙදිය යුතු ආකාරය අවබෝධ කර ගැනීම, ඔවුන්ගේ දත්ත වලින් උපරිම අවබෝධයක් ලබා ගැනීමට බලාපොරොත්තු වන පර්යේෂකයින්ට සහ වෘත්තිකයන්ට ඉතා වැදගත් වනු ඇත.
