用python写一个mds降维的代码

好的，以下是用Python实现MDS降维的代码：

import numpy as np
from sklearn.metrics.pairwise import euclidean_distances

def mds(X, n_components):
    """
    :param X: 数据集矩阵，每行为一个样本，每列为一个特征
    :param n_components: 降维后的维度
    :return: 降维后的数据矩阵，每行为一个样本，每列为一个特征
    """
    # 计算样本间的距离矩阵
    D = euclidean_distances(X)
    D = D ** 2

    # 对距离矩阵进行中心化
    n = D.shape[0]
    H = np.eye(n) - np.ones((n, n)) / n
    B = -0.5 * H.dot(D).dot(H)

    # 对B进行特征值分解
    eigvals, eigvecs = np.linalg.eigh(B)

    # 对特征向量进行排序，选择前n_components个
    eigvals = eigvals[::-1][:n_components]
    eigvecs = eigvecs[:, ::-1][:, :n_components]

    # 计算降维后的数据矩阵
    X_reduced = np.dot(eigvecs, np.sqrt(np.diag(eigvals)))

    return X_reduced

其中，输入参数`X`为数据集矩阵，每行为一个样本，每列为一个特征；`n_components`为降维后的维度。函数返回降维后的数据矩阵，每行为一个样本，每列为一个特征。