我有一个预先计算的距离矩阵，我已经通过 Sklearn 的 MDS 算法运行过。需要所有数据。矩阵已按比例缩放 (0-1)。我希望将分析转换为绘图，以便最大 n_components = 3。
我尝试修改几个参数（n_components、random_state、n_init），但是，我无法将压力 - 1（归一化）值降低到 0.25 以下，这被认为是“不良”拟合。
当我将 n_components 增加到非常高（n_components = 100）时，压力分数下降到 0.01。我是否可以采用这 100 个维度并使用 PCA 减少它们？
关于如何提高合身性的任何建议？我应该尝试不同的工具吗？
这是代码：
#预先计算的距离矩阵
df = pd.read_excel('./FTM_fingerprint_FULL_dissimilarity_matrix_MORGAN_1024_2.xlsx', index_col = 0, header = 0)
#多维缩放
mds1 = MDS(random_state = 1, dissimilarity = 'precomputed', n_init=16, n_components=3, eps=1e-9)
X_transform = mds1.fit_transform(df)
打印（X_transform）
#标准化压力分数
压力 = mds1.stress_
打印（压力）
谢谢