将 scikit-learn 中 MDS 的共现矩阵转换为相异矩阵答案

【问题标题】：Convert co-occurrence matrix to dissimilarity matrix for MDS in scikit-learn将 scikit-learn 中 MDS 的共现矩阵转换为相异矩阵
【发布时间】：2020-10-29 23:23:45
【问题描述】：

我有一个单词共现矩阵，如下所示。我想使用 MDS 来减少尺寸并绘制它。在 sklearn 中有一个函数model = MDS(n_components=2, dissimilarity='precomputed', random_state=1) 并应用模型output = model.fit_transform(input)我的理解是输入应该是一个相异矩阵而不是我所拥有的相似矩阵。那是对的吗？有没有可以用来转换这个共现相异矩阵的函数？我对此很陌生。非常感谢您的帮助。

co-occurrence matrix :
        word1       word2      word3 ...
word1.    0           1          3
word2     1           0          5
word3     3           5          1
...

【问题讨论】：

标签： python machine-learning scikit-learn mds multi-dimensional-scaling

【解决方案1】：

可能为时已晚，但我可能有一个答案要提议。

我使用了一个相似度矩阵（对角线全为 1，这不是你的情况），并找到了一个简单的公式将其转换为相异度矩阵：（1 - 单元格）但是，我的主管发现了另一个公式（我找不到参考），它似乎可以管理具有不同值的对角线。我提供了一些细节in this thread，但我的 AWK 程序无法应用于您的数据（因为我简化了公式来管理我的情况，我的对角线只有 1 个）。

适合你的公式是：

在我的情况下，对角线为 1，我将其简化为：

希望对你有帮助！ :) 但也许我错了。如果是这样，我有兴趣了解详情。

【讨论】：