次元削減/多次元スケーリングの結果を解釈するにはどうすればよいですか？

データの構造をよりよく理解するために、6次元データマトリックスのSVD分解と多次元スケーリングの両方を実行しました。

残念ながら、すべての特異値は同じ次数であり、データの次元は確かに6であることを意味します。しかし、特異ベクトルの値を解釈できるようにしたいと思います。たとえば、最初のものは各次元でほぼ等しいように見え（つまり(1,1,1,1,1,1)）、2番目のものも興味深い構造（のようなもの(1,-1,1,-1,-1,1)）を持っています。

これらのベクトルをどのように解釈できますか？この件に関するいくつかの文献を教えていただけませんか？

特異値が正確に等しい場合、特異ベクトルは正規直交ベクトルのほぼすべてのセットになる可能性があるため、情報は含まれません。

一般に、2つの特異値が等しい場合、対応する特異ベクトルは、それらによって定義された平面内で回転でき、何も変化しません。データに基づいてその平面の方向を区別することはできません。

あなたに似た2Dの例を示すために、は2つの直交ベクトルですが、数値的な方法で。${(1, 1), (1, -1)}$${(1,0), (0,1)}$