知识卡片
MDS近似保留距离作布局
多维定标把成对距离转成低维坐标,经典方法在可用维度中近似原距离。二维未必能精确容纳全部距离,例如四个两两等距点需要更高维。它提供布局而非自动分类标签;距离误差和选择的表示共同限制对视觉群组的解释。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第9章 MDS:可视化地研究参议员相似性 第9章 MDS:可视化地研究参议员相似性 · 连续片段2 · 查看原书依据
返回一个坐标集合,这个集合可以近似反映每对数据点之间的距离。之所以说是近似反映,是因为在二维空间中很可能不存在被一组距离分开的点集。例如,在二维空间中,不可能找到4个彼此间距离都是1的点。(请注意,3个彼此之间距离都是1的点,是一个等边三角形的顶点。因此,不可能有另外一个点到这个
参考来源
- 位置:《机器学习:实用案例解析》第09章《第9章 MDS:可视化地研究参议员相似性 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3115.html,spine3221)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:返回一个坐标集合,这个集合可以近似反映每对数据点之间的距离。之所以说是近似反映,是因为在二维空间中很可能不存在被一组距离分开的点集。例如,在二维空间中,不可能找到4个彼此间距离都是1的点。(请注意,3个彼此之间距离都是1的点,是一个等边三角形的顶点。因此,不可能有另外一个点到这个