R sammon Sammon 非線性映射

說明

非度量多維標度的一種形式。

用法

sammon(d, y = cmdscale(d, k), k = 2, niter = 100, trace = TRUE,
       magic = 0.2, tol = 1e-4)

參數

d	dist 返回形式的距離結構，或完整的對稱矩陣。數據假定為差異或相對距離，但必須為正值，self-distance 除外。這可能包含缺失值。
y	初始配置。如果未提供，則使用 cmdscale 提供經典解決方案。 (如果 d 中缺少值，則必須提供初始配置。)不得有重複項。
k	配置的尺寸。
niter	最大迭代次數。
trace	跟蹤優化的邏輯。默認TRUE。
magic	對角牛頓法中步長常數的初始值。
tol	對停止的容忍度，以壓力為單位。

細節

選擇二維配置來最小化應力，輸入距離與配置距離之間的平方差之和，按距離加權，總和除以輸入距離總和，得到應力 scale-free 。

使用迭代算法，通常會在 50 次迭代左右收斂。由於這必然是 O(n^2) 計算，因此對於大型數據集來說速度很慢。此外，由於配置僅取決於旋轉和反射(按照慣例，質心位於原點)，因此不同機器的結果可能會有很大差異。在此版本中，通過添加 step-length 搜索 (magic ) 來修改算法，以確保它始終走下坡路。

值

兩個組成部分：

points	擬合配置的兩列向量。
stress	最終達到的壓力。

副作用

如果trace為真，則每10次迭代打印出初始應力和當前應力。

例子

swiss.x <- as.matrix(swiss[, -1])
swiss.sam <- sammon(dist(swiss.x))
plot(swiss.sam$points, type = "n")
text(swiss.sam$points, labels = as.character(1:nrow(swiss.x)))

參考

Sammon, J. W. (1969) A non-linear mapping for data structure analysis. IEEE Trans. Comput., C-18 401-409.

Ripley, B. D. (1996) Pattern Recognition and Neural Networks. Cambridge University Press.

Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.

也可以看看

cmdscale , isoMDS