MDS算法（多維尺度變換）是一種用於數據降維和可視化的方法，其基本思想是保持高維空間中樣本點之間的距離關係，在低維空間中儘可能地還原這些距離，以便於數據的直觀觀察和分析。
MDS算法的具體步驟包括：
計算原始空間中樣本點的距離矩陣。
根據這些距離關係，構建內積矩陣B。
對矩陣B進行特徵值分解，獲得特徵值和特徵向量。
選擇前幾個最大的特徵值對應的特徵向量，這些向量定義了降維後的空間。
在新的低維空間中，樣本之間的距離儘可能地保持與原始空間中的距離一致。
MDS的套用領域包括社會科學、生物學、信息科學等，它能夠處理不同類型的數據，並通過降維揭示數據中的結構信息和潛在關係。然而，MDS的計算複雜度較高，對於大規模數據集可能不太適用。