MDS(多维尺度变换)

MDS(多维尺度变换)

多维尺度变换算法解决的问题是:当n个对象之间的相似性给定，确定这些对象在低维空间中的表示，并使其尽可能与原先的相似性大致匹配。高维空间中每一个点代表一个对象，因此点与点之间的距离和对象之间的相似度高度相关。可以这么理解，两个相似的对象在高维空间中由两个距离相近的点所表示，两个不相似的对象在高维空间中由两个距离比较远的点表示。

其中MDS又分为classical MDS和no-classical MDS。

Classical MDS(经典多维尺度变换):经典多维尺度变换的距离标准采用欧式距离。

No-classical MDS(非经典多维度尺度变换):非经典多维度尺度变换的距离标准采用非欧式距离。

1 基本思想

将高维坐标中的点投影到低维空间中，保持点彼此之间的相似性尽可能不变。

2 原理推导

给定  个实例，每个实例是一个  维的向量，我们可以计算出  维空间中的距离矩阵  ， 是一个  矩阵；其中第  行  列的元素表示第 

个实例和第