차원 축소 / 다차원 스케일링 결과를 해석하는 방법은 무엇입니까?

데이터 구조를 더 잘 이해하기 위해 SVD 분해와 6 차원 데이터 매트릭스의 다차원 스케일링을 모두 수행했습니다.

불행히도 모든 특이 값은 순서가 동일하므로 데이터의 차원이 실제로 6이라는 것을 의미합니다. 그러나 저는 특이 벡터의 값을 해석하고 싶습니다. 예를 들어, 첫 번째는 각 차원에서 (또는) 거의 같거나 (1,1,1,1,1,1)두 번째는 흥미로운 구조 (와 같은 (1,-1,1,-1,-1,1))를 가지고 있습니다.

이 벡터를 어떻게 해석 할 수 있습니까? 이 주제에 관한 몇 가지 문헌을 알려 주시겠습니까?

특이 값이 정확하게 같으면, 특이 벡터는 거의 직교 정규 벡터 집합 일 수 있으므로 정보를 전달하지 않습니다.

일반적으로 두 특이 값이 같으면 해당 특이 벡터가 정의한 평면에서 회전 할 수 있으며 아무런 변화가 없습니다. 데이터를 기준으로 해당 평면의 방향을 구별 할 수 없습니다.

당신과 비슷한 2D 예제를 보여주기 위해 은 두 개의 직교 벡터이지만 수치 방법은 .${(1, 1), (1, -1)}$${(1,0), (0,1)}$