Методы многомерного шкалирования (МШ) разрабатывались в рамках поведенческих наук и социологии с целью изучения объектов и индивидов через призму такого понятия, как мера близости между объектами. Такой вид представления информации характерен для психологических исследований, когда человеку предлагается оценивать сходство или различие в некоторой системе объектов или понятий.

Под мерой близости в МШ понимается величина, определенная на паре объектов и измеряющая, насколько эти два объекта похожи. Часто в качестве мер близости используются коэффициенты корреляции и совместные вероятности.

Различают два вида мер близости: если наибольшие значения соответствуют парам наиболее близких объектов, это меры сходства; если наибольшие значения соответствуют парам наименее близких объектов, это меры различия.

Естественно, что изначально с каждым объектом не сопоставляется никакая координата в многомерном пространстве, и представить такую информацию в виде геометрической метафоры затруднительно. Задача многомерного шкалирования заключается в том, чтобы сконструировать распределение данных в пространстве таким образом, чтобы расстояния между объектами соответствовали исходно заданным в матрице сходства/различий. Возникающие координатные оси могут быть интерпретированы как некоторые неявные факторы, значения которых определяют различия объектов между собой. Если попытаться сопоставить с каждым объектом пару координат, то в результате мы получим способ визуализации данных.

Из-за большого разнообразия исходных данных существует не меньшее разнообразие методов многомерного шкалирования, но общим для них является представление данных о сходстве/различии объектов через их геометрическую интерпретацию и наглядную визуализацию. Такое богатство выбора, с одной стороны, облегчает задачу исследователя, но, с другой стороны, требует тщательного подхода к созданию форм сбора данных для анализа.