R语言聚类 TSNE PCA

最新推荐文章于 2024-01-23 12:54:09 发布

TTS56

最新推荐文章于 2024-01-23 12:54:09 发布

阅读量1k

点赞数

分类专栏：学术绘图

本文链接：https://blog.csdn.net/qq_40966210/article/details/118292349

版权

学术绘图专栏收录该内容

4 篇文章 0 订阅

订阅专栏

导入必要的包

library(factoextra)
library(Rtsne)
library("FactoMineR")#画主成分分析图需要加载这两个包

层次聚类要分成两个步骤：

计算距离
层次聚类

#先求样本之间两两相似性
result <- dist(df, method = "euclidean")
#产生层次结构
result_hc <- hclust(d = result, method = "ward.D2")
# 自行判断应该聚成几类
num_cluster = 4
out.id = cutree(result_hc, k=num_cluster)
out.id
#进行初步展示
fviz_dend(result_hc, k = num_cluster, 
          cex = 0.5, 
          k_colors = c("#2E9FDF", "#00AFBB", "#E7B800", "#FC4E07"),
          color_labels_by_k = TRUE, 
          rect = TRUE          
)


library(factoextra)
res <- hcut(sampleDists, k = 2, stand = TRUE)
# Visualize
fviz_dend(res, 
          # 加边框
          rect = TRUE,
          # 边框颜色
          rect_border="cluster",
          # 边框线条类型
          rect_lty=2,
          # 边框线条粗细
          lwd=1.2,
          # 边框填充
          rect_fill = T,
          # 字体大小
          cex = 1,
          # 字体颜色
          color_labels_by_k=T,
          # 平行放置
          horiz=T)

然后tsne

# 设置一下随机种子
set.seed(42)
# 这里的perplexity是随机因素
tsne_out <- Rtsne(df,pca=FALSE,dims=2,
                  perplexity=30,theta=0.0)
head(tsne_out)
library(ggplot2)
tsne_res <- as.data.frame(tsne_out$Y)
colnames(tsne_res) <- c("tSNE1","tSNE2")
ggplot(tsne_res,aes(tSNE1,tSNE2,color=as.factor(out.id))) + 
  geom_point() + theme_bw() + 
  geom_hline(yintercept = 0,lty=2,col="red") + 
  geom_vline(xintercept = 0,lty=2,col="blue",lwd=1) +
  theme(plot.title = element_text(hjust = 0.5)) + 
  labs(title = "tSNE plot",color="Species")+yuansh_theme

然后pca

table(group_list)
# 每次都要检测数据
dat[1:4,1:4]
## 下面是画PCA的必须操作，需要看说明书。
dat=t(dat)#画PCA图时要求是行名时样本名，列名时探针名，因此此时需要转换
dat=as.data.frame(dat)#将matrix转换为data.frame
dat=cbind(dat,group_list) #cbind横向追加，即将分组信息追加到最后一列
library("FactoMineR")#画主成分分析图需要加载这两个包
library("factoextra") 
# The variable group_list (index = 54676) is removed
# before PCA analysis
dat.pca <- PCA(dat[,-ncol(dat)], graph = FALSE)#现在dat最后一列是group_list，需要重新赋值给一个dat.pca,这个矩阵是不含有分组信息的

fviz_pca_ind(dat.pca,
             geom.ind = "point", # show points only (nbut not "text")
             col.ind = dat$group_list, # color by groups
             # palette = c("#00AFBB", "#E7B800"),
             addEllipses = F, # Concentration ellipses
             legend.title = "Groups"
)