Mehrdimensionale Skalierung mit fehlenden Werten in der Unähnlichkeitsmatrix

Question

Ich habe eine Unähnlichkeitsmatrix, auf der ich multidimensionale Skalierung (MDS) unter Verwendung der sklearn.manifold.MDS Funktion ausführen möchte. Die Unähnlichkeit zwischen einigen Elementen in dieser Matrix ist nicht sinnvoll und ich frage mich daher, ob es eine Möglichkeit gibt, MDB auf einer dünn besetzten Matrix oder auf einer Matrix mit fehlenden Werten zu betreiben. Nach this Frage, Ungleichheiten mit 0 werden als fehlende Werte betrachtet, aber ich konnte diese Aussage nicht in der offiziellen Dokumentation finden. Wird eine Unähnlichkeit mit dem Wert 0 nicht als sehr nahe liegende Punkte interpretiert?

Irgendwelche Vorschläge, wie man eine niederdimensionale Darstellung meines hochdimensionalen Datensatzes basierend auf einer spärlichen Unähnlichkeitsmatrix erhalten könnte, wären willkommen. Vielen Dank!

Answer 1

Danke für den Hinweis auf diese Frage! Ich schaute in den Code: Für Nullen auf der Nicht-Diagonale, die als fehlende Werte interpretiert werden, müssen Sie die nicht-metrische Version des MDS mit dem SMACOF-Algorithmus von MDS(metric=False) verwenden.

Ich habe das gleiche Problem und bis jetzt sehe ich nur die Alternative zu matrix completion auf der Distanz-Matrix vor der Anwendung von MDS tun.