Sparse HJ Biplot: A New Methodology via Elastic Net

Resumen

El HJ biplot es una técnica de análisis multivariante que permite representar tanto a los individuos como a las variables en un espacio de dimensiones reducidas. Para adaptar este enfoque a conjuntos de datos masivos, es necesario implementar nuevas técnicas que sean capaces de reducir la dimensionalidad de los datos y mejorar la interpretación. Por ello, proponemos un enfoque moderno para la obtención del HJ biplot denominado elastic net HJ biplot, que aplica la penalización elastic net para mejorar la interpretación de los resultados. Se trata de un algoritmo novedoso en el sentido de que es el primer intento dentro de la familia de biplots en el que se utilizan métodos de regularización para obtener cargas modificadas que optimicen los resultados. Como complemento al método propuesto, y para darle soporte práctico, se ha desarrollado un paquete en el lenguaje R llamado SparseBiplots. Este paquete cubre un vacío existente en el contexto del HJ biplot mediante técnicas penalizadas ya que además de la penalización elastic net, incluye las penalizaciones ridge y el lasso para obtener el HJ biplot. Para completar el estudio, se realiza una comparación práctica con el HJ biplot estándar y el disjoint biplot, y se analizan algunos resultados comunes a estos métodos