मेरे पास एन-डायमेंशनल स्पेस में डेटा पॉइंट्स का एक सेट है। इसके अलावा, मैं भी इसी एन-आयामी अंतरिक्ष में एक केन्द्रक है। क्या कोई दृष्टिकोण है जो मुझे मूल स्थान में उनके सापेक्ष दूरी की जानकारी रखते हुए इन डेटा बिंदुओं को दो-आयामी स्थान में प्रोजेक्ट करने की अनुमति दे सकता है। क्या पीसीए सही है?
1
यदि आप दूरियों को संरक्षित करने का प्रयास करना चाहते हैं, तो मेरा पहला विचार खुद दूरियों (जो पीसीए से संबंधित है) पर बहुआयामी स्केलिंग होगा, लेकिन चूंकि आपके पास स्थान हैं और न केवल दूरी, मेरी समझ से, पीसीए के लिए काम करना चाहिए ।
—
Glen_b -Reinstate मोनिका
@Glen_b, प्रमुख मुद्दा है कि एमडीएस दूरी इनपुट के लिए है और पीसीए निर्देशांक इनपुट के लिए है, लेकिन नहीं है कि पुनरावृत्ति फिट कुछ आयाम एमडीएस पीसीए कुछ आयामों को बरकरार रखे हुए है। इसलिए एमडीएस क्लासिक पीसीए की तुलना में कुछ हद तक दूरी बनाए रखता है। प्रश्न का उत्तर हां है, पीसीए उपयुक्त है, लेकिन एमडीएस अधिक उपयुक्त है।
—
tnnphns
यह काफी हद तक मीट्रिक स्पेस एम्बेडिंग के क्षेत्र में अध्ययन किया जाता है , यानी आप दूरी के विरूपण को कम करते हुए अपने डेटा की गतिशीलता को कैसे कम कर सकते हैं।
—
बिटवाइज