【机器学习】必会降维算法之：多维缩放（MDS）

1、引言

小鱼：最近小屌丝 在休假，难得的清闲， 我这也闲言少叙，书归正传，
咱就聊一聊 降为算法之：多维缩放(MDS)

在机器学习和数据科学领域，多维缩放（Multidimensional Scaling，简称MDS）是一种常用的降维技术。

它能够在尽可能保留原始数据点间距离的前提下，将高维数据映射到低维空间中。

2、多维缩放（MDS）

2.1 定义

多维缩放（MDS）是一种统计学方法，用于分析相似度或距离的数据。

它的目标是在低维空间中定位一组对象，使得这些对象之间的距离尽可能地与原始高维空间中的距离相匹配。

2.2 应用场景

MDS在多个领域都有广泛的应用，包括但不限于：

• 市场研究：分析消费者对不同产品或服务的感知和偏好，帮助企业进行市场定位和产品差异化策略的制定。
• 品牌管理：通过降维后的二维或三维空间图展示不同品牌之间的相似性和差