相异矩阵中具有缺失值的多维缩放

Posted 2023-03-12

【中文标题】相异矩阵中具有缺失值的多维缩放

【英文标题】：Multidimensional scaling with missing values in dissimilarity matrix

【发布时间】：2017-09-18 08:59:51

【问题描述】：

我有一个相异矩阵，我想使用 sklearn.manifold.MDS 函数在其上执行多维缩放 (MDS)。该矩阵中某些元素之间的差异没有意义，因此我想知道是否有办法在稀疏矩阵或缺失值的矩阵上运行 MDS？ 根据this 问题，与 0 的差异被认为是缺失值，但我无法在官方文档中找到此声明。值 0 的差异不是解释为彼此非常接近的点吗？

欢迎任何关于如何基于稀疏相异矩阵获得我的高维数据集的低维表示的建议。谢谢！

【参考方案1】：

感谢您对该问题的提示！我查看了代码： 要将非对角线上的零解释为缺失值，您需要使用由MDS(metric=False) 使用 SMACOF 算法的 MDS 的非度量版本。

我有同样的问题，直到现在我只看到在应用 MDS 之前在距离矩阵上执行 matrix completion 的替代方法。