Одна из самых важных целей в визуализации данных состоит в том, чтобы получить смысл того, как рядом или далекие точки друг от друга. Часто, можно сделать это с графиком рассеивания. Однако для некоторых исследований, данные, которые вы имеете, не могут быть в форме точек вообще, а скорее в форме попарных общих черт или несходств между случаями, наблюдениями или предметами. Нет никаких точек, чтобы построить.
Даже если ваши данные в форме точек, а не попарных расстояний, график рассеивания тех данных не может быть полезным. Для некоторых видов данных, соответствующий способ измериться, как около двух точек сила не быть их Евклидовым расстоянием. В то время как графики рассеивания необработанных данных дают возможность сравнивать Евклидовы расстояния, они не всегда полезны, когда сравнение других видов разделяет расстояния знаками препинания, расстояние городского квартала, например, или еще более общие несходства. Кроме того, с большим количеством переменных очень трудно визуализировать расстояния, если данные не могут быть представлены в небольшом количестве размерностей. Своего рода сокращение размерности обычно необходимо.
Многомерное масштабирование (MDS) является набором методов, которые решают все эти проблемы. MDS позволяет вам визуализировать, как около точек друг другу для многих видов расстояния или метрик несходства и может произвести представление ваших данных в небольшом количестве размерностей. MDS не требует необработанных данных, но только матрицы попарных расстояний или несходств.
