在Julia的MultivariateStats.jl中区分MDS与PCA及报错排查

问题背景 #

在MultivariateStats.jl中同时使用PCA和MDS，代码如下：

M = fit(PCA, matrix; maxoutdim=2)
Yte = predict(M, matrix)
M1 = fit(MDS, matrix; maxoutdim=2, distances=false)
Yte1 = predict(M1)

发现当MDS采用欧氏范数时，Yte与Yte1结果一致，此场景下MDS与PCA等价。随后尝试调用带自定义metric的MDS：

mds = fit(MDS, matrix; distances=true, metric=isotonic)

出现如下错误：

MethodError: no method matching fit(::Type{MDS}, ::Adjoint{Float64, Matrix{Float64}}; distances=true, metric=MultivariateStats.isotonic)
Closest candidates are:
fit(::Type{MDS}, ::AbstractMatrix{T}; maxoutdim, distances) where T<:Real at ~/.julia/packages/MultivariateStats/cFZlL/src/cmds.jl:232 got unsupported keyword argument "metric"

解决方法 #

问题出在调用类型的选择上：MDS类型默认对应经典多维缩放（Classical MDS），不支持metric参数；而带自定义度量的是Metric MDS，需要使用MetricMDS类型来调用。

正确的调用代码如下：

mds = fit(MetricMDS, matrix; distances=true, metric=isotonic)

额外注意事项：

• 确保MultivariateStats.jl为最新版本，MetricMDS是较新版本引入的功能，旧版本可能不支持。
• 如果输入的matrix是Adjoint类型（比如转置后的矩阵），可以先转换为普通矩阵：matrix = Matrix(matrix)，避免类型匹配问题。

内容的提问来源于stack exchange，提问作者Joe