经典多维尺度变换（CMDS）算法在处理包含无穷大（inf）值的距离矩阵时会遇到计算错误，这些无穷大值通常表示图中不连通的点。本文将介绍如何通过在计算中心化矩阵和特征分解之前，识别并策略性地将距离矩阵中的无穷大值替换为一个巨大的有限数值，从而增强CMDS算法的鲁棒性，确保其在处理不连通数据时的正常运行，避免程序崩溃，进而实现对复杂网络结构数据的有效降维。
经典多维尺度变换（CMDS）概述
经典多维尺度变换（cmds），又称主坐标分析（principal coordinate analysis, pcoa），是一种常用的降维技术，旨在将高维数据点映射到低维空间，同时尽可能保留原始数据点之间的距离关系。其核心思想是通过对距离矩阵进行双重中心化，然后进行特征分解，从而找到数据在低维空间中的最优表示。cmds广泛应用于数据可视化、模式识别和机器学习等领域。
CMDS算法的基本步骤如下：
构建距离矩阵D：计算所有数据点对之间的距离。如果输入是原始数据，通常使用欧氏距离；如果输入已经是距离矩阵，则直接使用。构建中心化矩阵H：$H = I – frac{1}{n} mathbf{1}mathbf{1}^T$，其中$I$是单位矩阵，$n$是数据点数量，$mathbf{1}$是全1向量。双重中心化平方距离矩阵B：$B = -frac{1}{2} H D^{(2)} H$，其中$D^{(2)}$表示距离矩阵$D$中每个元素平方后的矩阵。特征分解：对矩阵$B$进行特征分解，得到特征值和特征向量。降维投影：选择最大的$n_dim$个正特征值及其对应的特征向量，构建低维嵌入。
处理距离矩阵中的无穷大值
在某些应用场景中，特别是当数据点表示图中的节点，而距离表示它们之间的路径长度时，两个不连通的节点之间的距离通常会被标记为无穷大（inf）。这在图论中是一个完全有效的概念，但在CMDS的数值计算中，无穷大值会导致严重问题。
原始CMDS算法在计算双重中心化平方距离矩阵$B$时，涉及$D^2$的操作。如果$D$中包含inf，那么$D^2$中的对应元素将变为inf，进而导致矩阵乘法H @ D**2 @ H的结果中包含inf或NaN（Not a Number）。随后的特征分解np.linalg.eigh(B)将无法处理这些非有限值，从而引发运行时错误。
为了使CMDS算法能够鲁棒地处理包含不连通点（即距离为inf）的场景，我们需要在计算$B$之前对距离矩阵进行预处理。
解决方案：替换无穷大值
最直接且有效的方法是识别距离矩阵中的所有无穷大值，并将其替换为一个巨大的、但有限的数值。这个替换值应该足够大，以反映不连通点之间“无限远”的语义，但又不能真正是inf，以避免数值计算错误。Python的numpy库提供了np.finfo(D.dtype).max，它能返回给定数据类型所能表示的最大有限浮点数，这通常是一个理想的替换值。
WowTo
用AI建立视频知识库
60 查看详情
实现步骤：
检查输入距离矩阵D中是否存在无穷大值。如果存在，则将所有inf值替换为np.finfo(D.dtype).max。
通过这种方式，我们既保留了不连通点距离“非常大”的语义，又避免了数值计算的崩溃。
示例代码
以下是修改后的CMDS函数，它集成了处理无穷大距离值的功能：
import numpy as npfrom sklearn.metrics.pairwise import euclidean_distancesdef cmds(X, n_dim, input_type='raw'): """ Classical(linear) multidimensional scaling (MDS) Parameters ---------- X: (d, n) array or (n,n) array input data. The data are placed in column-major order. That is, samples are placed in the matrix (X) as column vectors d: dimension of points n: number of points n_dim: dimension of target space input_type: it indicates whether data are raw or distance - raw: raw data. (n,d) array. - distance: precomputed distances between the data. (n,n) array. Returns ------- Y: (n_dim, n) array. projected embeddings. evals: (n_dim) eigen values evecs: corresponding eigen vectors in column vectors """ if input_type == 'distance': D = X elif input_type == 'raw': # Transpose X to (n, d) for euclidean_distances Xt = X.T D = euclidean_distances(Xt, Xt) else: raise ValueError("input_type must be 'raw' or 'distance'") # 检查距离矩阵中是否存在无穷大值，并进行替换 if np.any(np.isinf(D)): # 将inf值替换为该数据类型所能表示的最大有限浮点数 # 这样做可以避免在后续计算中因inf值导致错误，同时保留其“非常远”的语义 D[np.isinf(D)] = np.finfo(D.dtype).max # Centering matrix n = D.shape[0] H = np.eye(n) - np.ones((n, n)) / n # Double-center the distance matrix # 注意：这里D**2是元素级的平方操作 B = -0.5 * H @ (D**2) @ H # Eigen decomposition evals, evecs = np.linalg.eigh(B) # Sorting eigenvalues and eigenvectors in decreasing order sort_indices = np.argsort(evals)[::-1] evals = evals[sort_indices] evecs = evecs[:, sort_indices] # Selecting top n_dim eigenvectors evecs_selected = evecs[:, :n_dim] # Projecting data to the new space # 确保特征值非负，因为它们理论上应代表方差 # 实际应用中，由于数值精度或非欧氏距离，可能出现微小负特征值， # 但对于CMDS，通常只考虑正特征值。这里假设前n_dim特征值是有效的。 valid_evals = np.maximum(0, evals[:n_dim]) # 避免负数开方 Y = np.sqrt(np.diag(valid_evals)) @ evecs_selected.T return Y, evals, evecs
注意事项
替换值的选择： np.finfo(D.dtype).max是一个稳健的选择，因为它确保了替换值在当前浮点数类型下是最大的有限数。如果使用一个任意大的常数，需要确保它足够大以区分连通点，但又不能过大导致其他数值溢出（尽管这种情况在现代浮点数系统中不常见）。语义影响： 将inf替换为有限大值会稍微改变不连通点之间的“真实”距离，但对于CMDS的目标（在低维空间中近似距离关系），这种近似是合理的。它允许算法继续运行并提供一个可解释的嵌入，即使这些点在原始空间中是完全不连通的。适用场景： 这种处理方法特别适用于距离矩阵中inf表示“不可达”或“不连通”的情况，例如在图论或网络分析中。如果inf在你的应用中具有其他特定的、需要严格区分的语义，可能需要考虑更复杂的处理策略。负特征值： 在CMDS中，理论上所有特征值都应非负。然而，由于数值精度问题或输入距离矩阵并非严格欧氏距离（例如，经过inf替换后），可能会出现微小的负特征值。在投影步骤np.sqrt(np.diag(evals[:n_dim]))中，如果evals包含负数，np.sqrt会产生复数。通常做法是取max(0, eval)来避免复数，如示例代码所示。
总结
通过在CMDS算法中引入对距离矩阵中无穷大值的检测和替换机制，我们显著提升了算法的鲁棒性。这种方法使得CMDS能够有效处理包含不连通关系的数据集，从而扩展了其在复杂网络和图结构数据分析中的应用范围。在实际应用中，理解并妥善处理数据中的特殊值（如inf或NaN）是构建稳定、可靠数据分析流程的关键一环。
以上就是增强经典多维尺度变换（CMDS）对无穷大距离矩阵的处理能力的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/927586.html
微信扫一扫 
支付宝扫一扫 
