html语言可以做主成分分析,主成分分析（PCA）原理及R语言实现-CSDN博客

原理：

主成分分析 - stanford

多变量统计方法，通过析取主成分显出最大的个别差异，也用来削减回归分析和聚类分析中变量的数目，可以使用样本协方差矩阵或相关系数矩阵作为出发点进行分析。

通过对原始变量进行线性组合，得到优化的指标：把原先多个指标的计算降维为少量几个经过优化指标的计算(占去绝大部分份额)

基本思想：设法将原先众多具有一定相关性的指标，重新组合为一组新的互相独立的综合指标，并代替原先的指标。

小例子：以小学生基本生理属性为案例分享下R语言的具体实现，分别选取身高(x1)、体重(x2)、胸围(x3)和坐高(x4)。具体如下：

> student student.pr summary(student.pr,loadings=TRUE)

Importance of components:

Comp.1 Comp.2 Comp.3 Comp.4Standard deviation1.884603 0.57380073 0.30944099 0.152548760Proportion of Variance0.887932 0.08231182 0.02393843 0.005817781Cumulative Proportion0.887932 0.97024379 0.99418222 1.000000000Loadings:

Comp.1 Comp.2 Comp.3 Comp.4x1-0.510 0.436 -0.139 0.728x2-0.513 -0.172 -0.741 -0.398x3-0.473 -0.761 0.396 0.201x4-0.504 0.448 0.524 -0.520

> screeplot(student.pr,type="lines")

standard deviation：标准差

Proportion of Variance：方差的占比

Cumulative Proportion：累计贡献率

由上图可见四项指标做分析后，给出了4个成分，他们的重要性分别为：0.887932、0.08231182、0.02393843、0.005817781，累积贡献为：0.887932、0.97024379、0.99418222 1.000000000各个成分的碎石图也如上，可见成份1和成份2的累积贡献已经达到95%，因此采用这两个成份便可充分解释学生的基本信息。

可以算出 Z1 和 Z2的公式

> temp plot(temp[,1:2])

参考链接：R语言与数据分析之五：主成分分析(还有很多系列，慢慢看)

主成分分析在生物信息学中的运用：

RNA-seq中，主成分分析有什么意义？说白了，还是聚类！

主成分分析(Principal Component Analysis，PCA)的目标是用一组较少的不相关的变量代替大量相关变量，同时尽可能保留原始变量的信息，推导所得的变量就成为主成分，是原始变量的线性组合。也就是将N个变量(N维)，通过线性组合，降维到K个综合变量(K维，K

0?wx_fmt=gif

先举个简单例子帮助理解吧：

某篮球俱乐部有40名男同学，同学之间各个指标存在或大或小的差异，包括身高、体重、视力、百米速度、肺活量、每天练球时长、睡眠时间等指标。在季度选拔中，40名同学进球得分数(成绩)存在差异，那么这些指标是否均与成绩相关？或者相关性有多大？

此时可能就要用到PCA，分析方法简述如下：

1选择初始变量

比如以上7个指标作为变量(a1 - a7)，40名同学作为样本。

2对原始数据矩阵进行标准化，做相关系数矩阵

(1)原始数据矩阵：每行为40名男同学的各项指标值，每列为各项指标在40名同学中的体现；

(2)因为各个指标度量单位不同，取值范围不同，不宜直接由协方差矩阵出发，因此选择相关系数矩阵。

3计算特征值及相应特征向量

4判断主成分的个数

最常见的方式是根据特征值判断，一般选择特征值大于1的变量数作为PC个数，假如，此项分析中特征值大于1的有两个，则最终可以有2个主成分(具体主成分个数可以根据实际研究调整)。

5得到主成分表达式

通过分析得到第一主成分(PC1)和第二主成分(PC2)，假设表达式如：(a1*表示a1标准化后的数值)

6结合数据的实际意义开展分析

PC1比PC2更能解释样本间差异的原因(如下图中横纵轴的百分比)。PC1的线性组合中a1、a2、a3、a6贡献度较大(前面的系数较大)，PC2的线性组合中a5贡献度较大。以PC1为横轴，各个样本根据成绩大小有明显区分，说明以上7个指标中，身高、体重、视力、每天练球时长这4个指标与同学的成绩相关性更强。为了迎合线性组合的概念，应该找个更合适的词语来综合描述身高、体重、视力、每天练球时间这4个指标，以涵盖这4个指标的意义(好吧，可能小编举例不当，或者小编才疏学浅暂时想不出来～)。理解了以上的概念，再将主成分分析用于RNA-seq也很容易理解。