我希望减少尺寸，使得它返回的尺寸是圆形的。
ex）如果我将12d数据减少到2d，在0和1之间归一化，那么我希望（0,0）与（.9，。1）同样接近（.9，.9）。
我的算法是什么？ （python实现的奖励积分）
PCA给了我2d数据平面，而我想要球面数据。
有意义吗？简单？固有的问题？感谢。
答案 0 :(得分：0)
我认为你所要求的只是变革。
我希望（0,0）与（.9，。1）同样接近（.9，.9）。
采取你的规范化方法，你可以做的是
将值从[0.5, 1]映射到[0.5, 0]
如果您想使用距离指标，您可以先计算距离，然后再进行相同操作。例如，获取相关性，您可以1-abs(corr)。由于相关性在[-1, 1]之间，因此正相关和负相关将给出接近于零的值，而非相关数据将给出接近于1的值。然后，计算了距离，使用MDS进行投影。
PCA给我2d数据平面，而我想要球面数据。
由于你想要一个球面曲面，你可以直接将二维平面变换为一个球体。具有常量Z的{{3}}会这样做，不是吗？
那么另一个问题是：这一切都是合理的吗？