Claim-Specific Admissibility of PCA Biplot Interpretations: Target Alignment, Spectral Identifiability, and Projection Adequacy

Imagina que eres un detective intentando resolver un misterio usando un mapa. En el mundo de la ciencia de datos, existe una herramienta famosa llamada Análisis de Componentes Principales (PCA) que actúa como un cartógrafo mágico. Su trabajo es tomar un montón enorme y desordenado de información —como miles de mediciones sobre plantas, personas o planetas— y comprimirlo en una imagen sencilla de dos dimensiones. Esta imagen, llamada biplot, te permite ver patrones, grupos y relaciones de un solo vistazo. Es como convertir una escultura 3D en una sombra plana en la pared para comprender rápidamente su forma.

Pero aquí está el truco: antes de que el cartógrafo dibuje el mapa, tienes que decidir cómo medir los objetos. ¿Los mides en sus unidades naturales y originales (como centímetros, dólares o kilogramos)? ¿O primero encoges y estiras todo para que cada objeto tenga exactamente el mismo "tamaño" o varianza? Este segundo paso se llama estandarización. Es como tomar un elefante gigante y un ratón diminuto, y redimensionar ambos para que tengan exactamente la misma altura para que puedas comparar sus formas sin que el tamaño del elefante domine la vista. El problema es que este redimensionamiento cambia la geometría del mapa. Una línea recta en el mundo original puede convertirse en una curva en el mundo redimensionado, o un ángulo de 90 grados puede retorcerse en algo completamente distinto. Los científicos han sabido durante mucho tiempo que la estandarización cambia las matemáticas, pero a menudo asumen que la imagen resultante sigue contando la verdad sobre el mundo original, no redimensionado.

Este artículo plantea una pregunta crítica: ¿Qué sucede cuando usamos un mapa redimensionado para contar una historia sobre el mundo original, no redimensionado? Los autores, Luiz Roberto Martins Pinto y Carlos Tadeu dos Santos Dias, argumentan que el solo hecho de que una computadora calcule el mapa perfectamente no significa que la historia que cuentas sobre él sea cierta. Proponen un nuevo conjunto de reglas para comprobar si una afirmación científica es "admisible", es decir, si realmente se permite hacerla basándose en la imagen que estás observando.

Las Tres Reglas del Mapa

Los autores sugieren que, antes de escribir una historia científica basada en un biplot de PCA, debes pasar tres pruebas estrictas. Si fallas incluso una, tu historia es "mal planteada" (ill-posed), lo que significa que está construida sobre cimientos inestables, incluso si las matemáticas se hicieron correctamente.

1. La Prueba de Alineación del Objetivo (¿Estás mirando el mapa correcto?)
Imagina que intentas estudiar la velocidad de los coches. Si redimensionas los datos para que un bicicleta y un Ferrari tengan la misma "varianza de velocidad", tu mapa te mostrará cómo se comparan entre sí, no qué tan rápidos son en realidad. El artículo sostiene que si tu pregunta científica es sobre las velocidades originales y puras (la covarianza), pero utilizaste un mapa redimensionado (la correlación), estás mirando el objetivo equivocado. El mapa puede ser matemáticamente perfecto para los datos redimensionados, pero te está mintiendo sobre los coches originales. Los autores muestran que la estandarización reemplaza la "geometría de la covarianza" (las distancias del mundo real) con la "geometría de la correlación" (las formas relativas). Si tu pregunta es sobre el mundo real, pero tu mapa es sobre el mundo redimensionado, la historia no encaja.

2. La Prueba de Identificabilidad Espectral (¿Apunta el mapa a un lugar real?)
A veces, los datos están tan perfectamente equilibrados que el cartógrafo se confunde. Imagina un trompo girando que es perfectamente simétrico. Si intentas señalar su "frente", "atrás", "izquierda" o "derecha", no puedes, porque se ve igual desde todos los ángulos. En el mundo de las matemáticas, esto sucede cuando dos o más "eigenvalores" (que miden cuánta información contiene una dirección) son exactamente iguales. Cuando esto ocurre, las líneas específicas (ejes) en el mapa son arbitrarias. El mapa podría rotar 45 grados y seguir siendo matemáticamente correcto, pero las etiquetas específicas que pongas en las líneas serían un sinsentido. El artículo advierte que si intentas contar una historia sobre una línea específica (como "el PC2 apunta al norte") cuando las matemáticas dicen que esa línea es solo una elección aleatoria, tu historia es inválida. Solo puedes hablar del grupo de direcciones (el subespacio), no de la línea específica.

3. La Prueba de Adecuación de la Proyección (¿Está la sombra ocultando la verdad?)
Finalmente, recuerda que un biplot es una sombra plana de un objeto 3D. Si miras la sombra de un cubo, podrías ver un cuadrado. Pero si el cubo es en realidad una forma compleja con un agujero oculto, la sombra no lo mostrará. El artículo introduce una forma de medir cuánta "verdad" se pierde al comprimir los datos en dos dimensiones. Utilizan una herramienta matemática llamada "límite de Gram residual" para comprobar si los ángulos y las distancias que ves en el mapa 2D son lo suficientemente cercanos a las relaciones reales en 3D. Si el mapa muestra que dos variables están perfectamente alineadas (a 0 grados de distancia), pero los datos reales dicen que en realidad están a 60 grados de diferencia, el mapa es engañoso. Los autores muestran que un "buen" mapa (uno que conserva la mayor parte de la energía de los datos) aún puede distorsionar completamente la relación específica que te interesa.

La Evidencia: Seis Escenarios Controlados

Para demostrar su punto, los autores no solo conjeturaron; construyeron seis "mundos" (escenarios) específicos y controlados donde conocían la verdad exacta antes de empezar.

• El Mundo de "Sin Conexión": Crearon un mundo donde cuatro variables no tenían conexión entre sí. En los datos originales, el mapa mostraba líneas distintas y separadas. Pero cuando aplicaron la estandarización, el mapa se convirtió en un círculo perfecto de aleatoriedad. Cualquier ángulo específico dibujado en este círculo era solo un accidente aleatorio del cálculo de la computadora, no un patrón real.
• El Mundo del "Ángulo Oculto": Crearon un mundo donde dos variables tenían una relación clara de 60 grados en el mundo real. Cuando hicieron un mapa estándar, las dos variables parecían apuntar en la misma dirección (0 grados). El mapa había colapsado la verdad. La relación de 60 grados solo era visible si mirabas una parte diferente del mapa que el análisis estándar ignoró.
• El Mundo de la "Simetría": Construyeron un mundo donde los datos eran perfectamente simétricos. Aquí, el mapa mostraba que ninguna dirección específica era especial. Cualquier historia que afirmara que "la Línea A es la más importante" fue demostrada falsa porque las matemáticas decían que cualquier línea en ese grupo era igualmente válida.

El Veredicto

El artículo concluye que la corrección computacional no es suficiente. El solo hecho de que una computadora arroje una imagen bonita con números perfectos no significa que la historia que cuentas sobre ella sea científicamente válida.

Los autores proporcionan una lista de verificación formal para los científicos:

1. Declara tu objetivo: ¿Estás preguntando por el mundo original o por el mundo redimensionado?
2. Comprueba el mapa: ¿Representa el mapa realmente ese objetivo?
3. Comprueba las líneas: ¿Son las líneas específicas de las que hablas reales, o son solo elecciones aleatorias hechas por las matemáticas?
4. Comprueba la sombra: ¿Preserva la imagen 2D los ángulos y las distancias que necesitas para tu historia?

Si no puedes responder "sí" a todo esto, el artículo argumenta que debes cambiar tu historia, cambiar tu mapa o admitir que la imagen no puede respaldar tu conclusión. Es un llamado a los científicos para que dejen de tratar estos gráficos coloridos como portadores de la verdad mágica y comiencen a tratarlos como herramientas que requieren una calibración cuidadosa y específica. El objetivo no es dejar de usar PCA, sino dejar de usarlo a ciegas.