sammon mapping

Sammon映射

Sammon映射是一种非线性维度降低技术，用于在较低的维空间中表示高维数据，同时尽可能保留数据点之间的成对距离。该技术由John W. Sammon Jr.于1969年引入。

Sammon映射算法试图最大程度地减少应力函数，该函数量化了原始高维空间中成对距离之间的差异与较低维空间中的成对距离之间的差异。该算法迭代地调整了较低维空间中数据点的位置，直到应力函数最小化。

Python库实施

该库中的Sammon函数提供了Sammon映射算法的实现。该功能采用以下参数：

功能文档

Sammon函数在Python中实现了Sammon映射算法。该功能采用以下参数：

x ：类似数组的形状（n_samples，n_features）输入数据。

n ：INT，可选（默认值：2）输出空间的维度。默认值为2。

display ：INT，可选（默认值：0）是否显示迭代信息。默认值为0。

inputdist ：STR，可选（默认值：'RAW'）输入空间中使用的距离度量的类型。

可能的值是：

• “原始”：欧几里得距离
• “ PCORR”：Pearson相关距离
• '长矛'：长矛人相关距离

maxhalves ：INT，可选（默认值：20）可以应用阶梯度减半过程的最大次数。默认值为20。

maxiter ：INT，可选（默认值：500）最大迭代数。默认值为500。

tolfun ：浮点，可选（默认值：1E-9）应力功能变化的公差。默认值为1E-9。

init ：str，可选（默认值：'pca'），用于输出空间的初始化类型。

可能的值是：

• “ PCA”：主成分分析初始化
• “随机”：随机初始化

功能返回：

y ：类似数组的形状（n_samples，n_components）转换后的输出数据。

stress ：浮动应力函数的最终值。

参考

该实现基于以下文章中描述的算法：

Sammon，JW（1969）。用于数据结构分析的非线性映射。计算机上的IEEE交易，C-18（5），401-409。 doi： 10.1109/tc.1969.222678