接近矩阵的多维尺度
(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。 |