Rothkopf のモールス コード データセット

MDS のデモを示すために、モールス コードの認識を調べる実験で収集したデータを使用します (Rothkopf, E.Z.、J.Exper.Psych.、53(2):94-101)。被験者は、2 つのモールス コード信号 (36 の英数字文字を表す 1 つまたは複数の "ドット" と "ダッシュ" の音のシーケンス) を続けて聞いて、信号が同じかどうかを判断します。被験者はモールス コードを知りません。2 つの異なる特性の間の非類似度は、これらの特性が正しく判断されている頻度です。

非類似度の 36 行 36 列が、行列の下側の対角要素を含む 630 要素のベクトルとして格納されます。関数 squareform を使用すると、ベクトル形式と非スパース行列形式の間で変換を行うことができます。最初の 5 文字とその非類似度を行列の形式で示します。

load morse
morseChars(1:5,:)

ans = 5x2 cell
    {'A'}    {'.-'  }
    {'B'}    {'-...'}
    {'C'}    {'-.-.'}
    {'D'}    {'-..' }
    {'E'}    {'.'   }

dissMatrix = squareform(dissimilarities);
dissMatrix(1:5,1:5)

ans = 5×5

     0   167   169   159   180
   167     0    96    79   163
   169    96     0   141   166
   159    79   141     0   172
   180   163   166   172     0

これらのデータでは、大きい値は多くの被験者が 2 つの信号を区別できたことを示し、信号の非類似度が高かったことを示します。

計量多次元尺度構成法

計量 MDS は、点間の距離がオリジナルの非類似度と近似である点の構成を作成します。その適合度の測定の 1 つは「ストレス」と呼ばれます。最初に、これを使用します。構成を計算するために、関数 mdscale に非類似度データ、点を作成する次元の数 (2)、および使用する近似程度の基準の名前を代入します。

Y1 = mdscale(dissimilarities, 2, 'criterion','metricstress');
size(Y1)

ans = 1×2

    36     2

この例では、mdscale は、2 次元の点のセットを返します。これらの点をプロットできますが、この解 (構成) を使用してデータを可視化する前に、この解からの点間距離がオリジナルの非類似度を再現するかどうかをチェックするプロットを作成します。

Shepard プロット

Shepard プロットは、点間距離 (n(n-1)/2) に対するオリジナルの非類似度の散布図です。これは、MDS 解の適合度を判断するのに役立ちます。近似の程度が低い場合、点間の大きい (小さい) 距離はデータの大きい (小さい) 非類似度に対応しない可能性があるので、適切な可視化を行うことができない場合があります。Shepard プロットでは、1:1 線の周囲の狭い散布は非類似度への距離の適切な近似を示し、広い散布または非線形パターンは近似の程度が低いことを示します。

distances1 = pdist(Y1);
plot(dissimilarities,distances1,'bo', [0 200],[0 200],'k--');
xlabel('Dissimilarities')
ylabel('Distances')

このプロットは、非線形パターンと広い散布の両方を示すので、2 次元におけるこの計量的解が適切でない可能性を示しています。前者は、大きい非類似度の多くが過剰に可視化され、中程度および小さい非類似度が控えめに可視化されていることを示しています。後者は、可視化における距離は一般的に非類似度を適切に反映していないことを示唆します。具体的には、大きな非類似度が正しく理解されないことを示します。

計量的条件の比較

3 番目の次元を使用して、可視化の忠実度を向上させることができます。自由度が高いので、近似が向上するはずです。別の条件も試すことができます。その他の 2 つの計量的条件は、Sammon マッピングおよび二乗ストレス ("sstress") と呼ばれます。それぞれの条件では異なる解が得られ、いずれかがオリジナルの非類似度の可視化により適している可能性があります。

Y2 = mdscale(dissimilarities,2, 'criterion','sammon');
distances2 = pdist(Y2);
Y3 = mdscale(dissimilarities,2, 'criterion','metricsstress');
distances3 = pdist(Y3);

Shepard プロットは、3 つの解の違いを示します。

plot(dissimilarities,distances1,'bo', ...
     dissimilarities,distances2,'r+', ...
     dissimilarities,distances3,'g^', ...
     [0 200],[0 200],'k--');
xlabel('Dissimilarities')
ylabel('Distances')
legend({'Stress', 'Sammon Mapping', 'Squared Stress'}, 'Location','NorthWest');

非類似度の最大値では、二乗ストレス条件の散布がその他の 2 つの条件よりも 1:1 線に近い傾向があることがわかります。したがって、これらのデータでは、二乗ストレスは一部のデータを控えめに表現しますが、最大の非類似度の維持に適しています。非類似度の小さい値では、Sammon マッピング条件の散布がその他の 2 つの条件よりも 1:1 線に近い傾向があることがわかります。したがって、Sammon マッピングは、小さい非類似度の維持に適しています。ストレスは、その間に位置します。3 つのすべての条件は、非線形の特定の量を示しているので、計量多次元尺度構成法が適していない可能性を示しています。しかし、条件の選択は、可視化の目的により異なります。

非計量多次元尺度構成法

非計量多次元尺度構成法は、MDS の 2 番目の形式で、その目的は計量多次元尺度構成法よりもややあいまいです。MDS は、点のペアごとの距離がオリジナルの非類似度に近似する点の構成を作成するのではなく、非類似度の "ランク" だけを近似します。言い換えれば、非計量 MDS は、点間距離がオリジナルの非類似度の "単調変換" を近似する点の構成を作成します。

具体的には、点間の距離が大きい場合は大きな非類似度に相当し、点間の距離が小さい場合は小さい非類似度に相当します。これは、場合によっては、調査対象の複数の項目またはカテゴリの間の関係を示すのに十分です。

まず、2 次元で点の構成を作成します。クラスカルの非計量的ストレス条件による非計量多次元尺度構成法が、mdscale の既定です。

[Y,stress,disparities] = mdscale(dissimilarities,2);
stress

stress = 0.1800

mdscale の 2 番目の出力は、使用した条件の値で、解によって再現された非類似度の程度を示します。小さい値は、高い近似を示します。この構成のストレスは約 18% で、非計量的ストレス条件では低から中程度と見なされます。許容可能な基準値の範囲は、条件によって異なります。

mdscale の 3 番目の出力は、格差として知られるベクトルです。これらは、単なる非類似度の単調変換で、次に示す非計量多次元尺度構成法の Shepard プロットで使用します。

非類似度データの可視化

この近似は理想的なものという訳ではありませんが、2D 表現は最も簡単に可視化できます。各信号のドットとダッシュをプロットして、被験者が特性の違いを認識した理由を理解することができます。この構成の方向とスケールは完全に任意なので、軸ラベルと値は表示されていません。

plot(Y(:,1),Y(:,2),'.', 'Marker','none');
text(Y(:,1),Y(:,2),char(morseChars(:,2)), 'Color','b', ...
    'FontSize',12,'FontWeight','bold', 'HorizontalAlignment','center');
h_gca = gca;
h_gca.XTickLabel = [];
h_gca.YTickLabel = [];
title('Nonmetric MDS solution for Rothkopf''s Morse code data');

この再構成では、2 つの軸に対する関係で特徴を説明できます。大まかに言うと、北西/南東の方向は信号長を、南西/北東の方向はドットとダッシュを識別します。最も短い信号の E と T の 2 つの特性は、この解釈の外にあります。

非計量的 Shepard プロット

非計量多次元尺度構成法では、格差だけでなく距離も Shepard プロットで示すのが慣例で、距離による格差の再現の程度だけでなく、非類似度から格差への単調変換の非線形の程度をチェックできます。

distances = pdist(Y);
[dum,ord] = sortrows([disparities(:) dissimilarities(:)]);
plot(dissimilarities,distances,'bo', ...
     dissimilarities(ord),disparities(ord),'r.-');
xlabel('Dissimilarities')
ylabel('Distances/Disparities')
legend({'Distances' 'Disparities'}, 'Location','NorthWest');

このプロットは、非計量多次元尺度構成法での距離による格差の近似の程度 (赤い線の周囲の青い円の散布) を示し、格差が非類似度のランクを反映しています (赤い線は非線形ですが増加していません)。このプロットを計量多次元尺度構成法の Shepard プロットと比較すると、2 つの方法の違いがわかります。非計量多次元尺度構成法は、オリジナルの非類似度ではなく、その非線形変換 (格差) を再現します。

したがって、非計量多次元尺度構成法には長所と短所があります。非計量的距離による格差の再現性は計量的距離による非類似度の再現性より高く、このプロットの散布は計量的プロットよりも小さくなっています。しかし、格差は非類似度の関数として非常に非線形です。したがって、非計量的解では、可視化において短い距離は、データの非類似度が小さいことを示します。しかし、その可視化における点の間にある絶対距離は、文字どおりに解釈すべきではありません。これを理解しておくことが重要です。注意すべきは相対距離です。

3D の非計量多次元尺度構成法

2 次元制約のストレスは高いので、3 次元構成を試してみます。

[Y,stress,disparities] = mdscale(dissimilarities,3);
stress

stress = 0.1189

このストレス値は非常に低いので、高い近似を示します。3 次元で構成をプロットできます。動作中の MATLAB® の Figure は対話的に回転できます。ここでは、2 つの角度から確認します。

plot3(Y(:,1),Y(:,2),Y(:,3),'.', 'Marker','none');
text(Y(:,1),Y(:,2),Y(:,3),char(morseChars(:,2)), 'Color','b', ...
    'FontSize',12,'FontWeight','bold', 'HorizontalAlignment','center');
set(gca,'XTickLabel',[], 'YTickLabel',[], 'ZTickLabel',[]);
title('Nonmetric MDS solution for Rothkopf''s Morse code data');
view(59,18);
grid on

この角度からは、1 シンボル信号および 2 シンボル信号で表される文字は最も区別しやすいので、長い信号で表される文字よりも区別され、また相互に区別されていることがわかります。ビューを別の角度に回転すると、長い文字は 2 次元構成でシンボルの数とドットまたはダッシュの数によって認識されていることがわかります (この 2 つ目の角度からは、一部の短い文字は長い文字と誤って認識されていることがわかります)。

view(-9,8);

この 3 次元構成は 2 次元構成よりも距離を正確に再構築しますが、被験者が信号を認識するときに重要なのは含まれているシンボルの数およびドットとダッシュの数であることを意味するという点は基本的に同じです。実際には、2 次元構成は十分に許容可能と思われます。