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