多维标度

可视化数据的一个最重要的目标是了解点之间的距离。通常，您可以使用散点图来实现这一点。然而，对于一些分析来说，你拥有的数据可能根本不是点的形式，而是案例、观察或主题之间的成对相似或不同的形式。没有什么可密谋的。

即使您的数据是点的形式，而不是成对的距离，这些数据的散点图可能并不有用。对于某些数据，测量两点距离的相关方法可能不是它们的欧氏距离。虽然原始数据的散点图可以很容易地比较欧氏距离，但当比较其他类型的点间距离时，比如城市街区距离，甚至更普遍的差异时，散点图并不总是有用的。此外，由于变量很多，除非数据可以用少量维度表示，否则很难可视化距离。通常需要进行某种形式的尺寸缩减。

多维缩放(MDS)是一组解决所有这些问题的方法。MDS允许您可视化各种距离或不同度量的点之间的距离，并可以在少量维中生成数据的表示。MDS不需要原始数据，而只需要成对的距离或异同点矩阵。

另请参阅

mdscale|cmdscale

相关的话题

• 非经典和非度量多维尺度
• 经典多维标度