多維縮放圖：點分組/聚類我在 91 x 91 距離矩陣上使用多維縮放。 顯示 2D MDS 圖時，使用 JMP 分配的各種不同符號和顏色繪製點，顯然基於它們在多維距離空間中的接近程度將點聚集在一起（見隨附的屏幕截圖）。 問題：
- JMP 用於決定如何對點進行分組或聚類的標準是什麼？
- 有沒有辦法調整點如何聚集的標准或閾值？
- 是否有任何簡單的方法來獲得關於已找到多少集群的報告（除了在圖上手動計算它們；對於大型數據集不實用）？
我搜索了 JMP 文檔和 Google，但沒有找到任何關於此的內容。
我正在尋找（最好）不依賴於腳本的答案。
提前感謝您的任何幫助。
回复：多維縮放圖：點分組/聚類啊，現在我明白髮生了什麼。 事實上，我已經在同一個數據集上使用了層次聚類（幾個月前）。 最近一位同事建議我嘗試 MDS 作為我需要的分析類型的替代方法。 我重新打開保存的 JMP 文件並通過 MDS 運行距離矩陣，但沒有意識到聚類分析生成的聚類標籤仍在文件中。 所以我看到了來自 MDS 的 2D 圖，但根據之前的聚類分析的輸出進行了標記（我沒有意識到）。 所以，多虧了你的回复，我現在明白髮生了什麼。 當我關閉所有文件並重新導入距離矩陣時，標籤和顏色編碼都像預期的那樣消失了。
非常感謝——現在一切都說得通了。
回复：多維縮放圖：點分組/聚類您的問題中有幾個可以理解的誤解。
顏色和標記不是由多維縮放平台生成的。 他們是行狀態已在您的數據表中分配。
MDS 不進行任何聚類或分組。 （這就是為什麼您在文檔中找不到它的原因）。 轉述維基百科：MDS 將數據中的成對“距離”轉換為抽象的笛卡爾空間。
如果你想要一個聚類算法，你可以使用K-means 聚類平台。 它將允許您調整集群的數量並報告哪些行屬於哪個集群。
回复：多維縮放圖：點分組/聚類感謝@markbailey 的建議，但本書的章節根本沒有說明這些問題。回复：多維縮放圖：點分組/聚類我建議您在 JMP 中選擇：Help > Books > Multivariate Methods。 有一章專門介紹 MDS。 本章的最後一節介紹了統計細節。
