多维尺度法(Multidimensional Scaling,MDS)是一种经典的数据降维方法,是当我们仅能获得样本之间的相似性矩阵时,如何由此来重构它们的欧几里德坐标,即只知道高维空间中的样本之间的距离,基于此重构这些样本在低维空间的相对位置!下面一步一步地介绍MDS的神奇。
一、问题定义
假定 m 个
D=⎡⎣⎢⎢⎢⎢d11d21⋮dm1d12d22⋮dm2……⋮…d1md2m⋮dmm⎤⎦⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢0||x2−x1||⋮||xm−x1||||x1−x2||0⋮||xm−x2||……⋮…||x1−xm||||x2−xm||⋮0⎤⎦⎥⎥⎥⎥.
问题的求解目标是获得样本在 n′ 维空间的表示 Z∈Rn′×m ,且任意两个样本在 n′ 维空间中的距离等于原始空间中的距离,即 ||zi−zj