100 likes | 465 Views
MDS 多次元尺度構成法. 狩野 裕. 多次元尺度構成法とは. いくつかの対象間の(非)類似度データ (対称・正方行列)から,対象を低次元空間に 布置する方法 各対象に座標を与えること 軸の解釈も可能 回転の自由度がある. cf. 多次元展開法. 被験者 × 対象の矩形行列データから, 被験者と対象を同じ空間に配置する方法 足立( 2001 )講義資料より. 次元の決め方. 2が最もよく用いられる 最も視覚に訴えやすい 色々試してみて 解釈が最もクリアな次元 Stress が十分小さくなる次元の中で最小のもの Scree 法
E N D
MDS多次元尺度構成法 狩野 裕
多次元尺度構成法とは • いくつかの対象間の(非)類似度データ(対称・正方行列)から,対象を低次元空間に布置する方法 • 各対象に座標を与えること • 軸の解釈も可能 • 回転の自由度がある
cf. 多次元展開法 • 被験者×対象の矩形行列データから,被験者と対象を同じ空間に配置する方法足立(2001)講義資料より
次元の決め方 • 2が最もよく用いられる • 最も視覚に訴えやすい • 色々試してみて • 解釈が最もクリアな次元 • Stress が十分小さくなる次元の中で最小のもの • Scree 法 • Stressの値の減少の割合が少なくなったとき
ストレス(Stress) • 全てのデータの誤差 の二乗和のこと • データを変換した値と対象間の距離がどの程度一致しているかを表す
Stress と適合度(by Kruskal,1964) Stress goodness-of-fit 0.200 poor 0.100 fair 0.050 good 0.025 excellent 0.000 perfect
Klahr(1969)による数値実験 ノイズのデータ 対象の個数に依存 次元に依存 Kruskalの基準は絶対というわけではない Stressの欠点
非計量MDSの功罪 • 対象間の距離.与えられる座標間の距離 • 非類似度を適当に単調変換したもの • 順位さえ保っておればどんな変換も可能 • 順位しか用いないので,ある意味でロバストな解法? • Stress が小さくなるような変換にどのような意味があるか?ご都合主義?