多维缩放

1，根据皮尔逊相关系数计算出所有点之间的距离，称之为目标距离。

2，将所有点随机投放在二维界面（Xi,Yi）,计算出随机点之间的距离，称为当前距离。

3，计算误差值：（目标距离-当前距离）/当前距离。

4，根据误差值按比例位移，直到误差值最小为止，获得所有点的二维图形。

Python代码：

def scaledown(data, distance=pearson, rate=0.01):
    n = len(data)

    # 每对数据之间的皮尔逊距离
    realdist = [[distance(data[i], data[j]) for j in range(n)]
                for i in range(0, n)]


    # 随机初始化二维空间位置
    loc = [[random.random(), random.random()] for i in range(n)]
    fakedist = [[0.0 for j in range(n)] for i in range(n)]

    lasterror = None
    for m in range(0, 1000):
        # 寻找投影后的距离
        for i in range(n):
            for j in range(n):
                fakedist[i][j] = sqrt(sum([pow(loc[i][x] - loc[j][x], 2)
                                           for x in range(len(loc[i]))]))

        # 移动节点
        grad = [[0.0, 0.0] for i in range(n)]

        totalerror = 0
        for k in range(n):
            for j in range(n):
                if j == k: continue
                # 误差值=（目标距离-差值）/差值
                errorterm = (fakedist[j][k] - realdist[j][k]) / realdist[j][k]

                # 每个节点都需要根据误差的多少，按比例移动
                grad[k][0] += ((loc[k][0] - loc[j][0]) / fakedist[j][k]) * errorterm
                grad[k][1] += ((loc[k][1] - loc[j][1]) / fakedist[j][k]) * errorterm

                # 总误差
                totalerror += abs(errorterm)
        print
        (totalerror)

        # 如果移动后，结果跟坏，则结束
        if lasterror and lasterror < totalerror: break
        lasterror = totalerror

        # 根据rate参数与grad值相乘结果，移动节点
        for k in range(n):
            loc[k][0] -= rate * grad[k][0]
            loc[k][1] -= rate * grad[k][1]

    return loc