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…

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 站上去查看更多内容， 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：

我们发现，前两个主成分的累积贡献率可以达到84%，效果还算不错。

2.PLS-DA分析

#加载相应的安装包?，没有的话进行：install.packages(“mixOmics”)

library(mixOmics)

#读取数据?

data

head(data)

#转换成矩阵?

datat

row.names(datat)

datatm

XXt

YY

#PLS-DA分析，这里也是选取2个主成分?

plsda.datatm

2)

plotIndiv(plsda.datatm,ind.names = T, plot.ellipse = TRUE,

add.legend =TRUE,style=”ggplot2″)

建了个群，交流学习哈：553621380。

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34530 人正在系统学习中 相关资源：求解偏微分方程的数学软件Fastflo-教育工具类资源