接近矩阵的多维标度- MATLAB - 金宝app,下载188bet金宝搏,金宝搏官方网站

语法

(SC,特征)= mdsprox (B, X) (SC,特征)= mdsprox (val1, B, X,“param1”param2, val2,…)

(SC,特征)= mdsprox (B, X)将经典的多维尺度应用于为矩阵中的数据计算出的接近矩阵X，并返回缩放后的坐标SC和特征值特征缩放变换。该方法对定义为1-的距离矩阵应用多维尺度prox,在那里prox是否返回的接近矩阵接近方法。

可以直接使用“数据”参数。

(SC,特征)= mdsprox (val1, B, X,“param1”param2, val2,…)指定可选参数名称/值对:

`“数据”`	标记，指示方法如何处理`X`输入参数。如果设置为`“预测”`(默认),`mdsprox`假设`X`为预测器的矩阵，用于计算接近矩阵。如果设置为`“距离”`，该方法处理`X`返回的近似矩阵`接近`方法。
`“颜色”`	如果你提出这个论点，`mdsprox`为不同的类使用指定的颜色使两个缩放坐标的重叠散点图。必须以字符向量或字符串标量的形式提供颜色，每种颜色用一个字母表示。如果数据中的类多于所提供值中的字母，`mdsprox`只绘制第一个`C`类,`C`是所提供值中的字母数。对于回归或如果你没有提供真正的类标签的向量，该方法使用第一个颜色的所有观察`X`．
`“标签”`	分类集成的真类标签向量。真正的类标签可以是数字向量、字符矩阵、字符串数组或字符向量的单元格数组。如果提供了该向量，则该向量必须包含与观测值(行)相同的元素`X`．这个论点没有效果，除非你也提供`“颜色”`论点。
`“MDSCoordinates”`	要绘制的两个缩放坐标的指标。默认情况下,`mdsprox`使第一个和第二个比例坐标的散点图对应两个最大的特征值。您可以指定任何其他不超过缩放数据维数的两个或三个索引。这个论点没有效果，除非你也提供`“颜色”`论点。