Multidimensionālā skalēšana (MDS)
Multidimensionālā skalēšana (MDS) attēlo objektus, kas aprakstīti tikai ar pāru līdzībām vai atšķirībām, zema dimensiju ģeometriskā telpā tā, lai attālumi šajā telpā pēc iespējas precīzāk atspoguļotu sākotnējo tuvuma struktūru. To plaši izmanto, lai vizualizētu psiholoģisko, sociālo un uzvedības datu slēpto struktūru.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Kruskal, J. B. (1964). Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis. Psychometrika, 29(1), 1–27. DOI: 10.1007/BF02289565 ↗
- Cox, T. F. & Cox, M. A. A. (2001). Multidimensional Scaling (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584880943
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multidimensional Scaling. ScholarGate. https://scholargate.app/lv/statistics/multidimensional-scaling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Klasteru analīzeStatistika↔ compare
- Atbilstības analīzeStatistika↔ compare
- Lineārā diskriminantā analīzeStatistika↔ compare
- Eksploratīvā faktoru analīze (EFA)Statistika↔ compare
- Latent Class Analysis (LCA)Statistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →