Python 如何在执行多维缩放后获得特征值？

我感兴趣的是在执行多维缩放后查看特征值。什么功能可以做到这一点？我看了，但它根本没有提到特征值

下面是一个代码示例：

---

通过阅读文档，我也找不到它。我怀疑他们不是在表演，而是更复杂的东西：

“现代多维标度-理论与应用”博格，I。；统计中的Groenen P.Springer级数（1997）

“非计量多维标度：一种数值方法”，Kruskal，J.Psychometricka，29（1964）

“通过优化非计量假设的拟合优度进行多维标度”，Kruskal，J.Psychometricka，29，（1964）

如果你在寻找经典MDS的特征值，那么你自己也不难找到它们。这些步骤是：

得到你的距离矩阵。然后把它摆正

执行双重定心

求特征值和特征向量

选择前k个特征值

第i个主分量是sqrt（特征值_i）*特征向量_i

请参见下面的代码示例：

import numpy.linalg as la
import pandas as pd

# get some distance matrix
df = pd.read_csv("http://rosetta.reltech.org/TC/v15/Mapping/data/dist-Aus.csv")
A = df.values.T[1:].astype(float)
# square it
A = A**2

# centering matrix
n = A.shape[0]
J_c = 1./n*(np.eye(n) - 1 + (n-1)*np.eye(n))

# perform double centering
B = -0.5*(J_c.dot(A)).dot(J_c)

# find eigenvalues and eigenvectors
eigen_val = la.eig(B)[0]
eigen_vec = la.eig(B)[1].T

# select top 2 dimensions (for example)
PC1 = np.sqrt(eigen_val[0])*eigen_vec[0]
PC2 = np.sqrt(eigen_val[1])*eigen_vec[1]

import numpy.linalg as la
import pandas as pd

# get some distance matrix
df = pd.read_csv("http://rosetta.reltech.org/TC/v15/Mapping/data/dist-Aus.csv")
A = df.values.T[1:].astype(float)
# square it
A = A**2

# centering matrix
n = A.shape[0]
J_c = 1./n*(np.eye(n) - 1 + (n-1)*np.eye(n))

# perform double centering
B = -0.5*(J_c.dot(A)).dot(J_c)

# find eigenvalues and eigenvectors
eigen_val = la.eig(B)[0]
eigen_vec = la.eig(B)[1].T

# select top 2 dimensions (for example)
PC1 = np.sqrt(eigen_val[0])*eigen_vec[0]
PC2 = np.sqrt(eigen_val[1])*eigen_vec[1]