L'échelonnement multidimensionnel (multidimensional scaling) est une famille de procédures–dont certaines métriques, d'autres non métriques– d'analyse de matrices de dissimilarité. Ceci peut être vu comme une alternative à (ou généralisation de?) l'analyse factorielle : des matrices de corrélation, similarité ou dissimilarité peuvent être analysées.
Soit \delta_{i,j} la distance entre objets i et j, composant la matrice
Le but de l'EMD est, étant donnée Δ, trouver I vecteurs x_1,\ldots,x_I \in \mathbb{R}^N tels que
Autrement dit, EMD recherche une embedding des I objets dans \mathbb{R}^N telle que les distances sont conservées. Si la dimension N choisie est 2 ou 3, l'on peut représenter graphiquement les vecteurs x_i afin de visualiser les similarités des I objets. Notons que les vecteurs x_i ne sont pas uniques : les distances \|x_i - x_j\| sont conservées par des translations et rotations .
Il y a divers approches pour trouver les vecteurs x_i. Souvent, EMD est formulé comme un problème d'optimisations où \left(x_1,\ldots,x_I\right) est une solution qui minimise une fonction de coût (ou pénalité) ; par exemple