multidimensional scaling（MDS）多维度分析
其实是一种 ，MDS解决的问题是，当n个对象中每个对象之间的相似性（或距离）给定时，确定这些对象在低维空间中的表示，并使其尽可能与原始（高维）相似（或距离） ，使降维引起的任何变形最小化。MDS该算法通过输入高维点集（I 个点），可以得到如下所示： 
MDS算法的基于此Δ，寻找I个向量 x 1 , x 2 , . . . , x I , x_1,x_2,...,x_I , x1,x2,...,xI, 使 ∣ ∣ x i ? x j ∣ ∣ ≈ δ i , j ||x_i-x_j|| ≈ δ_{i,j} ∣∣xi?xj∣∣≈δi,j，（即使得降维后的点生成的距离矩阵和高维点距离矩阵尽量相同）。这里这个||.||是向量的范数，在经典的MDS，该规范是。