问题标签 [multi-dimensional-scaling]

我正在开发一个 Windows 应用商店应用程序，但遇到了缩放到不同屏幕尺寸的问题——即 140% 和 180%。一切都在我的计算机上完美运行，缩放到 100%，但是当我在 Surface Pro 和未缩放到 100% 的不同模拟器选项上测试它时，它开始起作用。我很确定问题出在，<VisualStateManager>但据我所知。

该问题仅出现在Snapped状态中，并且在横向模式下会发生 140% 的情况，标题有时会出现有时会保持空白。有时，单击标题可以调出菜单——即使它是空白的，而其他时候什么也没有发生。关于它的奇怪部分是，它是否有效取决于加载的数据DataFrame框架中加载的数据，所以如果我将这些页面的内容更改为与工作页面相同的内容，它就会工作。较短的页面似乎有更多的问题，但这是我能找到的唯一模式。

当屏幕缩放到 140% 纵向模式时，看不到任何文字，但仍有一些可点击。

当屏幕缩放到 180% 时，文本不可见，不可点击。

标题图片未显示：

图片标题显示：

这是我的MainPage.xaml代码：

如果我从 中删除此位<VisualState x:Name="Snapped">，我的文本消失没有问题，尽管点击问题仍然存在：

我在互联网上搜索了其他有此问题的人，并找到了这些 MSDN 页面：

缩放到像素密度
调整到窄布局
支持多种屏幕尺寸

据我所知，我已经完成了所有这些更改。

我的简化程序可在此处的文件中找到

我的图片可以在这里找到

我有 +-100 点/值的小矩阵、测试结果及其彼此之间的距离（0-10、10 是最接近的）：http: //vis.arcs.cz。

我想在 2D 中可视化它以快速找到一组接近的值。所以我需要处理这个矩阵并获得二维点的坐标。

方法可能是多维缩放，但我无法找到算法、库或扩展，也无法在 PHP 代码中使用数学公式。

我过去两天在谷歌上搜索，最接近的结果是 http://www.php.net/manual/en/lapack.leastsquaresbysvd.php - ？（不能作为新手分享更多链接）

我将感谢任何适用于 php 项目的解决方案（用 C++ 编译的 MathLab 代码......）。

我正在处理在 NCBI BLAST 中生成的蛋白质-蛋白质相似性的大型数据集。我已将结果存储在一个大型成对矩阵 (25,000 x 25,000) 中，并且我正在使用多维缩放 (MDS) 来可视化数据。这些矩阵太大而无法在 RAM 中使用，因此我将它们以 HDF5 格式存储在磁盘上，并使用 h5py 模块访问它们。

sklearn 流形 MDS 方法为 3D 中的小规模数据生成了出色的可视化效果，这就是我目前使用的方法。对于计算，它需要一个完整的对称成对相异矩阵。但是，对于大型数据集，会形成一种“外壳”，从而掩盖已形成的集群。

我认为问题在于我需要输入一个完整的相异矩阵。有些蛋白质彼此不相关，但在成对相异矩阵中，我被迫输入相异的默认最大值。在 sklearn MDS 的文档中，它说值 0 被认为是缺失值，但是在我想要缺失值的地方输入 0 似乎不起作用。

有什么方法可以输入不完整的相异矩阵，因此不必输入不相关的蛋白质？还是有更好/更快的方法来可视化成对相异矩阵中的数据？

所描述的问题涉及表示多维缩放（MDS）坐标以及真实数据点（城市的经度和纬度）。

所以，我有一个距离矩阵，上传到这里。矩阵中的条目表示九个美国城市之间的距离（以英里为单位）。该矩阵输入到 MDS。MDS 生成一组我希望在地图上绘制的坐标。

让我们先画出美国的地图。（图贴在下面。）

现在是 MDS 部分：

拟合的坐标存储在fit$points对象中：

我的问题：如何缩放这些点以将它们添加到我的地图中。任何指针将不胜感激。

我希望这是发布的正确位置-如果不是，我愿意更改为 SO。

无论如何，我使用 MDS 来帮助我找到数据集的二维表示。从本质上讲，这些是多年蛋白质数据中氨基酸残基的 pKa 值——其核心是相同比例的十进制数。有很多职位（~600 行），还有很多年（~12 列）。

我的问题是：MDS 的正确输入是数据矩阵（年与职位），还是我可以放入相关矩阵（年与年）？我问是因为 API 文档与书面描述冲突。

API文档说数据矩阵：http ://scikit-learn.org/stable/modules/generated/sklearn.manifold.MDS.html#sklearn.manifold.MDS（即n_samples，n_features）。

书面描述说“输入相似度矩阵”：http ://scikit-learn.org/stable/modules/manifold.html

我应该在著名的 Fisher Iris 数据集上使用 matlab 中的“mdscale”函数进行多维缩放。

我不明白为什么有时它有效，有时无效。这就是我所做的：

错误是：

配置中的点位于同一位置。尝试不同的起点，或使用不同的标准。

如果我使用“sstress”或“metricsstress”之类的其他标准，它似乎可以工作。

怎么解释？

我之前问过“如何将两列显示为二进制（存在/不存在）矩阵？”。这个问题得到了两个很好的答案。我现在想更进一步，并通过物种列在原始站点中添加第三列，以反映每个地块中每个物种的生物量。

第 1 列（地块）指定约 200 个地块的代码，第 2 列（物种）指定约 1200 个物种的代码，第 3 列（生物量）指定干重。每个地块有 > 1 个物种，每个物种可以出现在 > 1 个地块中。总行数约为 2700。

我想按物种矩阵创建一个图，显示每个图中每个物种的生物量（而不是二元存在/不存在矩阵），形式如下：

任何关于如何增加这种额外复杂程度的建议都将不胜感激。

我想将我使用 scikit-learn 的 TfidfVectorizer 的文本文档的相似性可视化为tfidf = TfidfVectorizer(decode_error='ignore', max_df=3).fit_transform(data)

然后执行余弦相似度计算为cosine_similarity = (tfidf*tfidf.T).toarray()

这给出了相似性，但sklearn.manifold.MDS需要一个相异矩阵。当我给出 1-cosine_similarity 时，应该为零的对角线值不为零。它们是一些小的价值，例如1.12e-9等。两个问题：

1) 如何使用 MDS 的相似度矩阵或如何将相似度矩阵更改为不相似度矩阵？

2) 在 MDS 中，有一个选项dissimilarity，其值可以是'precomputed'或'euclidean'。两者有什么区别，因为当我给出欧几里得时，无论我使用 cosine_similarity 还是 1-cosine_similarity ，MDS 坐标都会变得相同，这看起来是错误的。

谢谢！

我有一个从包含三个原始列的表中导出的矩阵：第 1 列 = 站点代码，第 2 列 = 物种代码，第 3 列 = 每个物种的生物量重量。每个小区中每个物种的生物量重量显示在矩阵中。可以使用以下三个选项之一来计算矩阵（感谢对较早问题的反馈）：

注意：dissim 是两列表的 .csv 文件名；dissimBiom 是三列表的 .csv 文件名。

我现在想根据上面的矩阵生成一个相异矩阵。下面的代码需要 vegan 和 ecodist 包。

我之前使用过该功能

仅基于两列（站点与物种）生成矩阵，然后使用

生成相异矩阵。这工作得很好。

相反，尝试生成一个相异矩阵，其中该矩阵是使用以下代码之一生成的（如上）

使用相同的功能

导致以下错误消息

注意：我从我编写的文件 matrixBiom.csv 中调用 matrixBiom 来将 NA 转换为 0，使用

与 matrixBiom.meta 相比，matrix.meta 直接用于 'matrix' 而无需编写 .csv 文件。

此外，由生成的矩阵

看起来像这样

而由其他任何一种方法生成的矩阵具有格式

我的问题是，

1) 在这些函数中的任何一个中

NA可以直接转换为0以避免在.csv文件中写入和读取，也许这可以解决问题？

2) 哪些修复可用于三列表示例以使用 metaMDS 进行 NMDS？

3) 是否有替代函数来计算三列表示例的相异矩阵？

任何建议将不胜感激。

请在下面找到可重现的数据子集：

我使用 Orange Program 进行数据挖掘。

在这个平台上，我使用了多维缩放功能。（MDS）

我的输入文件是 7224 * 150 矩阵。

运行 MDS 功能后，出现错误。

当我运行一个小文件时，MDS 函数运行良好。

我怎么解决这个问题？？？

这是一条错误消息。

KernelException Traceback（最近一次调用最后）：文件“C:\Python27\lib\site-packages\Orange\OrangeCanvas\scheme\widgetsscheme.py”，第 649 行，在 process_signals_for_widget 处理程序（*args）文件“C:\Python27\ lib\site-packages\Orange\OrangeWidgets\Unsupervised\OWMDS.py”，第 229 行，在 cmatrix self.mds = orngMDS.MDS(matrix) 文件“C:\Python27\lib\site-packages\Orange\utils__init__.py ”，第 214 行，在 wrap_call 返回 func(*args, **kwargs) 文件“C:\Python27\lib\site-packages\Orange\projection\mds.py”，第 249 行，在init self.original_distances=Orange 中。 misc.SymMatrix([m for m in self.distances]) KernelException: bad allocation