Data analysis using Sparse PCA

Abstract

En el campo de la investigación y la ciencia, los datos de estudio cada vez son más grandes, lo que conlleva a una difícil gestión de estos, es aquí donde surgen muchas técnicas de Análisis Multivariante que nos permiten gestionar estas bases de datos mediante la reducción de dimensión de estas. El método de reducción utilizado en este trabajo se denomina Análisis de Componentes Principales Sparse, el cual se encarga de obtener componentes principales cuya matriz de carga está mayoritariamente conformada por ceros, facilitando su interpretación. Se aplicaron algunos algoritmos de este método a una base de datos de Pruebas Clínicas COVID-19 de la cual se obtuvo que, de las 7 variables, 4 de ellas eran las más importantes ya que con ellas se alcanzaba alrededor del 91% de la varianza explicada. Finalmente, estos algoritmos fueron más efectivos que un PCA clásico ya que, debido a la forma de su matriz de carga, son más fáciles de interpretar. Además, estos no presentan dificultades a la hora de trabajar con outliers y, finalmente, presentan un bajo coste computacional.