Je veux voir comment 7 mesures du comportement de correction de texte (temps passé à corriger le texte, nombre de frappes au clavier, etc.) sont liées les unes aux autres. Les mesures sont corrélées. J'ai exécuté une ACP pour voir comment les mesures étaient projetées sur PC1 et PC2, ce qui évitait le chevauchement de l'exécution de tests de corrélation bidirectionnels distincts entre les mesures.
On m'a demandé pourquoi ne pas utiliser t-SNE, car la relation entre certaines des mesures pourrait être non linéaire.
Je peux voir comment permettre une non-linéarité améliorerait cela, mais je me demande s’il existe une bonne raison d’utiliser PCA dans ce cas et non pas t-SNE? Je ne souhaite pas regrouper les textes en fonction de leur relation avec les mesures, mais plutôt de la relation entre les mesures elles-mêmes.
(Je suppose que EFA pourrait également être une meilleure / une autre approche, mais c'est une discussion différente.) Comparé à d'autres méthodes, il y a peu de contributions sur t-SNE, la question semble donc mériter d'être posée.