大数据的多维标度化
摘要：用于大数据集的多维标度（Multidimensional Scaling，MDS）的一组算法。MDS是一种降维的统计工具，使用一个维度为$n \times n$的距离矩阵作为输入。当$n$很大时，经典算法会遇到计算问题，无法得到MDS配置。在本文中，我们通过三种算法来解决这些问题：分而治之MDS、快速MDS和基于Gower插值的MDS（前两种为原创提议）。这些方法的主要思想是将数据集划分为小片段，经典MDS方法可以在其中工作。为了检验算法的性能并进行比较，我们进行了模拟研究。该研究指出，当$n$很大时，快速MDS和基于Gower插值的MDS是合适的选择。虽然分而治之MDS不像其他两种算法那样快速，但它是捕捉原始数据方差的最佳方法。
作者：Pedro Delicado and Cristian Pachon-Garcia
论文ID：2007.11919
分类：Computation
分类简称：stat.CO
提交时间：2021-08-02