R语言中cmdscale

在R语言中，cmdscale()是一种常用的缩放方法，它可以使用stat包中的函数进行计算。该函数基于Torgerson-Gower缩放方法，可以将高维数据映射到二维空间。具体使用方法如下：mds <- cmdscale(d=eurodist, k=2, eig=T)，其中d是输入的距离矩阵，k是指定的目标维数，eig=T表示返回特征值。除了cmdscale()之外，还有其他一些函数也可以用于多维缩放，如isoMDS()和sammon()函数，分别来自于MASS包。isoMDS()用于计算Kruskal的非度量多维缩放，sammon()则是用于sammon的非线性映射。另外还有一些其他可用的函数，比如smacofSym()来自于smacof包，wcmdscale()来自于vegan包，pco()来自于ecodist包和labdsv包。 在使用cmdscale()函数计算完缩放结果后，可以使用plot()函数将结果可视化。例如，可以使用plot(-mds1[,1],-mds1[,2],type = 'n')来创建一个空的坐标系，然后使用text()函数将行名添加到对应的坐标上，以便更好地展示结果。 最后，需要注意的是，虽然SPSS可以提供完整的MDS分析结果，包括感知图、应力系数和拟合检验图等，但如果要在R中完成MDS分析，可能需要掌握多个不同的R包中的函数，并具备综合的R编程能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [R语言书籍学习03 《深入浅出R语言数据分析》-第五章 主成分分析、第六章多维缩放](https://blog.csdn.net/qq_41520353/article/details/125140519)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [逼迫学习2：用R语言cmdscale()+plot()+text()函数完成多维尺度分析](https://blog.csdn.net/weixin_42524864/article/details/112821962)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]