ขอบคุณมากที่ @whuber สำหรับคำตอบเริ่มต้น คิดว่าฉันควรจะอัปโหลดผลลัพธ์ของตัวฉันเองเหมือนกัน ...
สำหรับสิ่งที่มีค่าในรูปแบบเฉพาะของ MDS ที่ฉันใช้คือสิ่งที่เรียกว่า t-SNE (หรือที่รู้จักกันในชื่อ't-กระจาย Stochastic Neihbor Embedding' ) เพื่อให้ได้ภาพต่อไปนี้
นี่คือรูปภาพของเมืองทั้งหมดตามลำดับ - บนแกนซ้ายคือตำแหน่ง 1-d ที่แท้จริงสำหรับเมืองนั้นและเมืองเรียงตามลำดับจากบนลงล่างซ้ายไปขวาข้ามแกนนั้น .. color = country
นี่คือภาพอีกรูปที่ฉันเอาแถวของเมือง แต่พล็อตลงบนแผนที่โลกฉันเดาว่าปัญหานี้จะลดสิ่งที่ใกล้เคียงกับปัญหาพนักงานขายการท่องเที่ยว - แต่ด้วยความแตกต่างที่ไม่ใช่เพียงแค่การสั่งซื้อของเมือง แต่ การจับคู่เมืองกับเส้น 1-d ...
หากใครต้องการข้อมูลเอาท์พุทเต็มรูปแบบหรือวิธีการที่ใช้ที่นี่โปรดส่งข้อความถึงฉัน
-
แก้ไข:
ในการตอบสนองต่อความมุ่งมั่นของ @ whuber ..
ใช่คุณถูกต้องเมื่อคุณเน้นระยะทางในท้องถิ่น (นั่นคือระยะทางในท้องถิ่นของเพื่อนบ้านใกล้เคียงควรใกล้เคียงกับระยะทางจริงที่สุดบนแผนที่โลก) ปัญหา MDS ลดปัญหาพนักงานขายที่เดินทาง อย่างไรก็ตามหากคุณเน้นการเพิ่มประสิทธิภาพ (หรือการจับคู่) ของระยะทางในช่วงที่กว้างกว่า / ปานกลางมากขึ้นคุณจะได้รับผลลัพธ์ที่แตกต่างกัน ตัวอย่างเช่นนี่คือสิ่งที่อัลกอริทึมของ t-sne มอบให้เมื่อคุณใช้ค่าที่สูงขึ้นสำหรับ 'perplexity':