很抱歉，如果已经有了答案。我似乎无法找到它。
我正致力于推动立法者和＃39;关于账单的投票记录，我试图想出一些有趣的数据可视化方法。我现在脑子里有一个想法，但是我不确定它在数学上是否可以在二维中进行我想要的可视化。
数据开头如下：
HB1 HB2 HB3
Smith 1 0 1
Hill 1 1 1
Davis 0 1 0
Where 1 = aye, 0 = nay.
我采取的下一步是测量距离＆＃34;通过总结他们的投票记录的异或，每个立法者对另一个立法者，以便每当一个立法者不同意另一个立法者他们得到一个距离＆＃34;点＆＃34;与该立法者。这创建了一个这样的表：
Smith Hill Davis
Smith 0 1 3
Hill 1 0 2
Davis 3 2 0
所以我的想法是将每个立法者绘制成一个平面上的点，并让这些点之间的距离反映表中的距离等级。我认为这是一个有趣的机会，可以看看是否有一些具有相似投票模式的立法者等等。
现在，显然，这很容易做到3点，因为你总是可以绘制一个三边形的三角形的三角形。但我无法弄清楚它是否可以在数学上更多地绘制（35-70）立法者，并且仍然可以在二维空间内完成所有距离，或者是否可能需要一个额外维度三位后的每位立法者。
因此，例如，如果数据表看起来像这样，是否可以保留所有距离？
0 13 6 8 10 14 12 14 12 12
13 0 13 13 13 7 9 11 9 7
6 13 0 12 8 16 14 10 12 14
8 13 12 0 12 10 6 10 10 8
10 13 8 12 0 10 12 12 14 14
14 7 16 10 10 0 10 10 12 8
12 9 14 6 12 10 0 12 8 10
14 11 10 10 12 10 12 0 8 10
12 9 12 10 14 12 8 8 0 10
12 7 14 8 14 8 10 10 10 0
如果是这样，Octave是否具有内置功能？或者有人能指出我的算法吗？
答案 0 :(得分：0)
好的，找到了答案。
不，通常在数学上不可能做我想做的事情。
最佳近似是一种称为多维缩放的算法。 Octave具有内置函数：cmdscale。
希望其他人可能会觉得这很有用。