MDS图示聚类结果

对样本为高维数据的点，且均为数值，则可以通过mds方法对样本降维到2，然后绘制在图上，并且将不同的聚类用颜色区分开。如此，可以获得比较直观的，聚类结果。

上图通过R绘制而成，关键代码如下：

原始样本点存放进 dt文件，是n行*m列，其中n是样本数,m是用于刻画样本的维度个数。

使用mds方法，需要首先计算出样本22之间的距离。或者，正因为如此，无法对全量的数据，进行绘制，这一步的耗时特别长。因此，测试的时候选了2000条。

for(i in 1 : 2000){  

  for(j in 1 : 2000){    

    dtmatrix[i,j]<-(sum((dt[i,]-dt[j,])^2))^0.5

  }

}

mdsdt<-cmdscale(dtmatrix)

x<-mdsdt[,1]

y<-mdsdt[,2]

library(ggplot2)

下面一步是，把降维后的二维坐标画在图上，且用不同的颜色以视区分。

ggplot(data.frame(x,y,kmdt$cluster),aes(x=x,y=y,col=cluster))+geom_point(shape=16,size=3)

。

至此，又生出了新的问题