cmdscale
位于 stats
包(package)。 说明
数据矩阵的经典多维缩放 (MDS)。也称为主坐标分析(Gower,1966)。
用法
cmdscale(d, k = 2, eig = FALSE, add = FALSE, x.ret = FALSE,
list. = eig || add || x.ret)
参数
d |
距离结构,例如 |
k |
数据表示空间的最大尺寸;必须位于 中。 |
eig |
指示是否应返回特征值。 |
add |
逻辑指示是否应计算加性常数 ,并将其添加到非对角相异性,使得修改后的相异性是欧几里德相异性。 |
x.ret |
指示是否应返回双中心对称距离矩阵。 |
list. |
逻辑指示是否应返回 |
细节
多维缩放采用一组相异性并返回一组点,使得点之间的距离近似等于相异性。 (这是生态学家所说的‘ordination’的主要部分。)
cmdscale
遵循 Mardia (1978) 的分析,并返回 best-fitting 维表示,其中 可能小于参数 k
。 点上的一组欧几里德距离最多可以在 维度中精确表示。
表示仅取决于位置 (cmdscale
将配置的列均值设为原点)、旋转和反射。返回的配置在 principal-component 轴中给出,因此选择的反射可能有所不同R平台(参见prcomp
)。
什么时候add = TRUE
,最小加性常数 计算差异 是欧几里得的,因此可以表示为n - 1
方面。而 S(贝克尔等人,1988)使用 Torgerson 建议的近似值计算该常数,R使用 Cailliez (1983) 的解析解,另请参见 Cox 和 Cox (2001)。请注意,由于数值误差,计算出的特征值不必全部为非负数,甚至理论上,表示形式也可能小于n - 1
维度。
值
如果 .list
为 false(默认情况下),则为具有 k
列的矩阵,其行给出所选用于表示差异的点的坐标。
否则,list
包含以下组件。
points |
最多具有 |
eig |
|
x |
如果 |
ac |
加法常数 |
GOF |
长度为 2 的数值向量,等于 ,其中 ,其中 是特征值(按降序排序)、 和 。 |
例子
require(graphics)
loc <- cmdscale(eurodist)
x <- loc[, 1]
y <- -loc[, 2] # reflect so North is at the top
## note asp = 1, to ensure Euclidean distances are represented correctly
plot(x, y, type = "n", xlab = "", ylab = "", asp = 1, axes = FALSE,
main = "cmdscale(eurodist)")
text(x, y, rownames(loc), cex = 0.6)
参考
Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988). The New S Language. Wadsworth & Brooks/Cole.
Cailliez, F. (1983). The analytical solution of the additive constant problem. Psychometrika, 48, 343-349. doi:10.1007/BF02294026.
Cox, T. F. and Cox, M. A. A. (2001). Multidimensional Scaling. Second edition. Chapman and Hall.
Gower, J. C. (1966). Some distance properties of latent root and vector methods used in multivariate analysis. Biometrika, 53, 325-328. doi:10.2307/2333639.
Krzanowski, W. J. and Marriott, F. H. C. (1994). Multivariate Analysis. Part I. Distributions, Ordination and Inference. London: Edward Arnold. (Especially pp. 108-111.)
Mardia, K.V. (1978). Some properties of classical multidimensional scaling. Communications on Statistics - Theory and Methods, A7, 1233-41. doi:10.1080/03610927808827707
Mardia, K. V., Kent, J. T. and Bibby, J. M. (1979). Chapter 14 of Multivariate Analysis, London: Academic Press.
Seber, G. A. F. (1984). Multivariate Observations. New York: Wiley.
Torgerson, W. S. (1958). Theory and Methods of Scaling. New York: Wiley.
也可以看看
dist
。
相关用法
- R constrOptim 线性约束优化
- R cancor 典型相关性
- R confint 模型参数的置信区间
- R contrast (可能稀疏)对比矩阵
- R cor 相关性、方差和协方差(矩阵)
- R cor.test 配对样本之间的关联/相关性测试
- R cutree 将树切割成数据组
- R cpgram 绘制累积周期图
- R complete.cases 查找完整案例
- R contrasts 获取和设置对比矩阵
- R chisq.test 计数数据的皮尔逊卡方检验
- R convolve 通过 FFT 进行序列卷积
- R cov.wt 加权协方差矩阵
- R checkMFClasses 检查传递给模型框架的变量类型的函数
- R cophenetic 层次聚类的共表距离
- R coef 提取模型系数
- R case+variable.names 拟合模型的案例和变量名称
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Classical (Metric) Multidimensional Scaling。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。