matlab做plsda分析,主成分分析(PCA)和偏最小二乘法判别分析(PLS-DA)在R中的实现...

本文介绍了PCA和PLS-DA两种数据分析方法,特别是在高维数据降维中的应用。通过实例展示了如何在R中进行PCA和PLS-DA分析,并解释了分析结果。PCA分析中,前两个主成分的累积贡献率为84%。同时,文中提供了用于交流学习的群号。
摘要由CSDN通过智能技术生成

一.概念简述:

主成分分析的思想主要是将高维数据降到低维数据,俗称“降维”。但是,如果你的数据行数小于列数,或者在你的数据中各列数之间本身相关性就不大,那么这时候你会发现使用主成分分析的效果其实不是很好。这个时候,我们可以考虑一下偏最小二乘法判别分析,该方法是结合多元线性回归和主成分分析的优点,在很大程度上解决了上述所说的问题。(建了个群,交流学习哈:553621380。)

也可到楼主自己编写的网站上去查看更多内容,网址:http://www.omicsolution.org/wu-kong-beta-linux/main/​

二.代码实现。

比如说我们现在有这样的一批数据,取56个人(正常组:28,病灶组(胰腺癌):28)胰腺组织,做蛋白质组学数据分析。上样,跑质谱,搜库(这些步骤非本节内容,在此省略)。得到最后如下数据:

a4c26d1e5885305701be709a3d33442f.png

第一列是鉴定到蛋白质的名字,其他列就是对应样本下的表达量。

1.PCA分析

#读取数据

data

head(data)

#转换成矩阵

datat

row.names(datat)

#PCA分析

pr

summary(pr,loadings=T)

l

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值