PLS-DA建模:通过绘制两组数据建模,输出一系列关键参数结果。模型基本信息存储在“plsda_result.txt”中。 评价(O)PLS-DA模型拟合效果使用R2X、R2Y和Q2Y这三个指标,这些指标越接近1,表示PLS-DA模型拟合数据效果越好。 R2X和R2Y分别表示PLSDA分类模型所能够解释X和Y矩阵信息的百分比,Q2Y则为通过交叉验证计算得出...
PLS-DA/OPLS-DA二维图 不同于主成分分析( PCA)法,Partial Least Squares Discrimination Analysis,(PLS-DA)或 Orthogonal PLS-DA,(OPLS-DA)是一种有监督的判别分析统计方法。该方法运用PLS-DA建立代谢物表达量与样品类别之间的关系模型,来实现对样品类别的预测。分别建立两两分组比较的PLS-DA模型(图1)或OPLS-DA...
在R中使用插入符号包绘制PLS-DA个体图,可以通过以下步骤完成: 安装插入符号包:在R中使用以下命令安装插入符号包。 代码语言:txt 复制 install.packages("insert") 加载插入符号包:在R中使用以下命令加载插入符号包。 代码语言:txt 复制 library(insert)
在PLS-DA中,你会使用R包中的特定函数来建立模型。这会涉及到设置参数,如预测变量矩阵和响应变量,以及确定要在模型中使用的主成分或潜变量的数量。 4.OPLS-DA分析: 对于OPLS-DA,过程类似,但它包括一个额外的步骤,即正交信号校正,这有助于消除预测变量中的非预测性变异,让模型更集中于对响应变量的预测。 5.交...
还记得第一次使用这个R包是17年mixOmics,用于PLS-DA分析等一些排序,这个包说实话是一个应用类型的包,由分析过程和可视化过程,但是封装的比较封闭,所以如今我将数据提取出来,使用熟悉的ggplot绘制结果,相信可以更加方便大家的使用。 PLS_DA 简介 偏最小二乘法判...
进行PLS-DA分析 📈 现在,我们可以开始PLS-DA分析啦!运行以下代码:```R df_plsda <- plsda(otu, group$group, ncomp = 2) # ncomp表示要提取的主成分数量,这里我们设置为2。你可以根据需要调整这个值。 ``` 绘制散点图 🎨 接下来,我们用PLS-DA的结果绘制散点图。运行以下代码:```R ...
分别建立两两分组比较的PLS-DA模型(图1)或OPLS-DA模型(图2),模型得到的参数评价会以表格形式提供。其中R^2X和R^2Y分别表示所建模型对X和Y矩阵的解释率,Q2标示模型的预测能力,理论上R^2、Q^2数值越接近1说明模型越好,越低说明模型的拟合准确性越差,通常情况下,R^2、Q^2高于0.5(50%)较好,高于0.4即可...
使用SIMCA 13软件进行PLS-DA(偏最小二乘判别分析)涉及几个关键步骤。请注意,具体步骤可能会根据软件的不同版本略有差异,但一般流程如下: 1.启动SIMCA 13并创建新项目: 打开SIMCA 13软件。 选择创建新项目或打开现有项目。 为项目命名并设置相关参数。
右下图,各样本在PLS-DA轴中的坐标,颜色代表性别分组。我们可以看到,相对于上文的PCA(仅通过方差特征值分解),PLS-DA在区分组间差异时更有效(带监督的偏最小二乘判别分析)。图的下方还提供了R2X、R2Y等值,用于评估模型优度。 对于需要的结果提取和可视化。
偏最小二乘法判别分析,即我常说的PLS-DA(Partial Least Squares Discriminant Analysis),经常被用来处理分类和判别问题。这种方法和PCA分析方法是比较类似的,区别在于二者是否有监督,一般PCA是无监督的,而PLS-DA是有监督的。 当碰到样本组间差异大而组内差异小的情况,常见的PCA分析方...