多维尺度缩放和局部核方法中的马蹄铁
摘要：经典多维缩放（MDS）是一种通过将高维点云映射到低维欧氏空间来可视化的方法。此映射是根据点间不相似性矩阵的特征函数定义的。本文详细分析了应用于特定数据集的多维缩放：2005年美国众议院投票记录。某些MDS和核投影输出具有与降维技术特征相对应的"马蹄铁"形状。我们表明，一般来说，当只具有局部信息时，数据的潜在排序会导致这些模式产生。也就是说，当只有附近点的点间距离准确地知道时。我们的结果在流形学习的特殊情况中提供了一组严格的结果和洞察力，其中流形是一个曲线。
作者：Persi Diaconis, Sharad Goel, Susan Holmes
论文ID：0811.1477
分类：Applications
分类简称：stat.AP
提交时间：2008-11-11