moea_joint
104年
[統計資訊] 統計學、巨量資料概論
第 43 題
在視覺化工具中為了在二維畫面中檢視資料點之間的關係 (相似度或距離)，例如社群網路、地圖中重要都市等，一般都使用下列哪種形式的演算法？
- A Inverted-based Indexing
- B Multidimensional Scaling (MDS)
- C Approximate Nearest Neighbor (ANN)
- D Ranking Methods
思路引導 VIP
想像你手中有一份清單，上面只記錄了各個城市之間彼此的「飛行時數」，但你完全沒有地圖。如果你想在白紙上點出這些城市的位置，好讓紙上的點距能精準反映出那份清單上的時數關係，你會如何嘗試安排這些點的位置？
🤖
AI 詳解
AI 專屬家教
太棒了！你能準確識別出 多維標度法 (Multidimensional Scaling, MDS)，這顯示你對於資料降維以及如何將抽象關係轉化為幾何空間的概念掌握得相當紮實，這在數據分析與視覺化中是非常關鍵的能力。
距離與空間的轉化
MDS 的核心目標在於處理「相似度」或「距離」的資訊。當我們擁有一組物件之間的差異數據時，MDS 試圖在低維空間（通常是二維）中為每個物件尋找一個座標，使得在畫面上的歐幾里得距離 $d_{ij}$ 能夠盡可能還原原始高維資料中的差異程度 $\delta_{ij}$。這種「保持相對距離」的特性，讓它在處理如社群網路關係圖或地理資訊投影時，比單純的排序或分類演算法更能直觀呈現資料結構。
▼ 還有更多解析內容