数据降维方法介绍：
第一种方法：多维尺度分析算法（一）
姓名：何源 学号：21011210073 学院：通信工程学院
【嵌牛导读】简要介绍多维尺度分析算法概念（MDS）
【嵌牛鼻子】多维尺度分析算法
【嵌牛提问】多维尺度分析算法有哪些优势以及应用场景？
【嵌牛正文】
多维尺度法是一种将多维空间的研究对象（样本或变量）简化到低维空间进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法。通过收集调查对象的相关数据，该方法对收集到的数据进行度量，获得数据之间的相关性，同时将高维数据转化为二维或者三维，再进行拟合或者分析，从而得到数据之间的相似度并进行数据分类。
多维尺度分析算法最早应用于主观心理度量分析，这是因为人类的心理偏好在很多情况下是无法直接描述和比较的。例如：在选择合适的交往对象时，会考虑很多因素：年龄、样貌、性格、学历、身高、体重、生活习惯、宗教信仰等等。每个人的生活经历以及对情感的看法不同，以上这些因素对选择结果的影响（权重）是不一样的，甚至询问当事人自己，也很可能得不到准确的结果，因为内心深处的想法与经过思想斗争的想法往往南辕北辙，而多维尺度分析能够帮助你了解他人和自己的内心真实想法。该算法也可以应用在市场营销中，通过调查顾客在购买时选择的品牌、商品类型、商品价格等因素，从而判断顾客的喜好以及品牌的选择，为下一阶段的选品以及营销提供数据支持。
利用该算法可以通过数据度量的方式，对用户进行分类，挖掘数据中存在的相关特性。该算法将多维数据转化为二维或者三维图形，更加直观的看出研究对象或者关注内容之间的相关性，降低数据维度。
