机器学习降维算法之多维缩放(MDS)

简介

   多维缩放(Mutiple Dimensional Scaling)是一种经典的降维方法,可以缓解在高维情形下出现的数据样本稀疏和距离计算困难等问题,即“维数灾难”.

感性认知

只是直观是这样的感觉真实的计算需要查看原理部分

原本样本的维数

样本特征1特征2特征3特征4
A1023
B2048
C4059

 

距离矩阵

样本ABC
A02-1+4-2+8-3=84-1+5-2+7-3=10
B804-2+5-4+9-8=4
C1040

 

经过多维缩放(MDS)之后特征(直观示例)

样本特征1特征3特征4
A123
B248
C459

降维后的距离矩阵

样本ABC
A02-1+4-2+8-3=84-1+5-2+7-3=10
B804-2+5-4+9-8=4
C1040

降维后仍然使距离矩阵不变

 

原理部分参考

https://blog.csdn.net/irene_loong/article/details/72574133

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值