多維比例圖：點分組/聚類我在 91 x 91 距離矩陣上使用多維縮放。 當顯示 2D MDS 圖時，這些點使用 JMP 指定的各種不同符號和顏色繪製，顯然根據它們在多維距離空間中的接近度將點聚類在一起（參見隨附的屏幕截圖）。 問題：
- JMP 用來決定如何對點進行分組或聚類的標準是什麼？
- 有沒有辦法調整點聚類的標准或閾值？
- 是否有任何簡單的方法來獲取有關已找到多少集群的報告（除了在圖中手動計算它們；對於大型數據集不實用）？
我已經搜索了 JMP 文檔和谷歌，但未能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。
在此先感謝您的幫助。
回复：多維比例圖：點分組/聚類啊，現在我明白髮生了什麼事了。 事實上，我已經對同一數據集使用了層次聚類（很多個月前）。 最近一位同事建議我嘗試將 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，感謝您的回复，我現在明白髮生了什麼事。 當我關閉所有文件並重新導入距離矩陣時，標籤和顏色編碼都如預期的那樣消失了。
非常感謝——現在一切都明白了。
回复：多維比例圖：點分組/聚類您的問題中存在一些可以理解的誤解。
顏色和標記不是由 Multidimensional Scaling 平台生成的。 他們是行狀態已經在您的數據表中分配。
MDS 不進行任何聚類或分組。 （這就是為什麼您無法在文檔中找到它的原因）。 釋義維基百科：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均值聚類平台。 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：多維比例圖：點分組/聚類感謝@markbailey 的建議，但書中的章節對這些問題沒有任何說明。回复：多維比例圖：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。
