jquery多维对象计算个数_多维尺度分析理论概述

在工作中常常会遇到这样的情况，有 n 个由多个指标反映的客体，但是反映客体的指标个数是多少不清楚，甚至指标本身是什么也是模糊的，更谈不上直接测量或观察它，仅仅所能知道的是这 n 个客体之间的某种距离（相异性）或者是某种相似性。我们希望仅由这种距离或者相似性给出的信息出发，在较低维的欧氏空间把这 n 个客体（作为几何点）的相似程度用图形表达出来。从而可能通过相关的专业知识揭示这 n 个客体之间的真实结构关系。这就是多维尺度分析所要研究的问题。

多维尺度分析——基本原理

多维尺度分析（multidimensional scaling, MDS）又译作多为标度分析，是多元统计分析方法的一个新分支，是主成分分析和因子分析的一个自然延伸，是信息科学中一项公认的统计分析方法，是一组用于信息可视化和降维的相关排序技术，可以把数据库中案例的相似性进行可视化表达。基本原理是通过某种非线性变换，把高维空间的几何图形转化成低维空间的图形，变换后的图形仍能近似地保持原图形的集合关系。这些点所在的空间是欧几里得空间，可以是二维、三维或多维。

多维尺度分析处理的数据是一般是表示事物之间的接近性的观察数据，既可以是实际距离，也可以是主观评判的相似性，目的就是要发现决定多个事物之间距离的潜在维度，用较少的变量对事物之间的相似性作出解释。

多维尺度分析的输出结果是一种图谱，表现了各元素之间的关系，越相似的元素在空间上就越接近。从图谱中，研究者可以通过观察图谱的组织结构来推断数据集的基本维度或确认先前的假设。多维尺度分析通常以二维空间定位，侧重说明知识单元之问的相对关系，在边界界定及词类关联上需要结合特定内容和知识基础进行解释。

多维尺度分析——基本步骤