多维缩放

可视化数据中最重要的目标之一是获得靠近或远点彼此的感觉。通常，您可以用散点图进行此操作。但是，对于某些分析，您可能不属于各要点的数据，而是以成对相似性或案例，观察或科目之间的异化形式的形式。没有积分来绘制。

即使您的数据以点的形式而不是成对距离，那些数据的散点图可能是无用的。对于某些类型的数据，测量有关的相关方法可能不是他们的欧几里德距离。虽然原始数据的散点图使其容易比较欧几里德距离，但是当比较其他类型的间间距距离，城市块距离，例如更通用的异化时，它们并不总是有用的。而且，通过大量变量，除非数据可以以少量维度表示，否则非常困难。通常需要某种尺寸减少。

多维缩放（MDS）是一组解决所有这些问题的方法。MDS允许您为多种距离或异化度量达到彼此的近点的程度，并且可以在少量维度中产生数据的表示。MD不需要原始数据，而是只有成对距离或异化矩阵。