Julia中MetricMDS设置metric=isotonic不收敛及MDS类型确认

1. metric=isotonic的作用与收敛失败原因 #

当你在fit(MetricMDS, ...)中设置metric=isotonic时，确实是在执行非度量MDS：

• 这个参数会触发算法把输入的相异度矩阵D转换为保序的有序差异值——只保留原始距离的相对大小顺序，不再严格维持距离的具体数值。
• 非度量MDS依赖迭代优化算法（如SMACOF）拟合模型，这类算法对数据分布、初始迭代值敏感度较高，容易出现迭代次数耗尽仍未达到收敛阈值的情况，也就是你遇到的错误：

  failure to converge after 300 iterations. Last change (0.1382513330677284) was greater than tolerance (0.001)
  

2. 第二段代码的MDS类型判断 #

去掉metric=isotonic后的代码：

D = pairwise(Euclidean(), mat_new)
M = fit(MetricMDS, D; distances=true, maxoutdim=2)
Yte = predict(M)

执行的是度量MDS（Metric MDS）：

• 默认情况下，MetricMDS会使用identity作为metric参数，直接基于原始相异度矩阵的数值关系拟合，不需要做有序转换。
• 度量MDS的拟合过程基于经典多维缩放的解析解法，无需迭代优化，因此运行更稳定，不会出现收敛问题。

3. 非度量MDS收敛问题的解决建议 #

如果需要使用metric=isotonic完成非度量MDS，可以尝试以下调整：

• 增加迭代次数：通过maxiter参数设置更大的值，比如maxiter=1000
• 放宽收敛阈值：通过tol参数调整，比如tol=0.01
• 预处理输入数据：检查mat_new是否存在异常值、极端距离，或对数据做标准化/归一化处理

内容的提问来源于stack exchange，提问作者Joe