其中,R2X和R2Y:分别表示模型对自变量X和因变量Y的解释率;Q2是通过对模型进行交叉验证计算得出的,用以评价模型的预测能力,通常Q2> 0.5被认为是有效模型,Q2> 0.9则表示模型非常优秀。 表1 PLS-DA模型的评价参数 注:表中A:表示主成分数;R2X:表示模型对X变量解释率;R2Y:表示模型对Y变量的解释率;Q2:表示模型...
PLS-DA(偏最小二乘判别分析)是一种结合降维与分类功能的多变量统计方法,适用于高维度数据的分组差异分析。其通过构建潜在变量最大化组间差
结果中,R2X和R2Y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,它们的值越接近于1表明模型的拟合度越好,训练集的样本越能够被准确划分到其原始归属中。 性别监督的PLS-DA模型。 左上图,展示了3个正交轴的R2Y和Q2Y。 由上图,PLS-DA模型的R2Y和Q2Y与随机置换数据后获得的相应值进行比较。 左...
箭头表示本OPLS-DA模型准确率所在的位置,其中R2X和R2Y分别表示所建模型对X和Y矩阵的解释率,Q2表示模型的预测能力,理论上R2、Q2数值越接近1说明模型越好,越低说明模型的拟合准确率越差,通常情况下,R2和Q2高于0.5较好,高于0.4即可以接受。
R2ycorr:蛋白质组关联部分对蛋白质组总变异的解释度 贡献度是指模型各部分对总变异的解释程度,用R2表示。R2值越高,表示该部分对模型的解释能力越好。 同时输出loading值(载荷值)表格,载荷值表示各组变量对组间差异的贡献程度,正负表明与另一组学是正相关还是负相关,载荷值绝对值越大,与另一组学关联度越高。
接着，进行PLS-DA建模。模型将输出关键参数结果，并记录在“plsda_result.txt”文件中。评价模型效果时，关注R2X、R2Y和Q2Y指标，接近1的数值表示模型拟合数据效果良好。R2X和R2Y分别衡量了模型解释X和Y矩阵信息的能力，而Q2Y用于评估预测能力。提取关键数值参数，生成得分矩阵和载荷矩阵，并进行VIP分析...
在进行 PLS-DA 分析后，一般可以得到如下结果：1.模型评估指标：包括 R2Y、Q2Y、R2X、Q2X 等指标，用于评估模型的预测能力和拟合程度。其中，R2Y 表示模型对因变量的拟合程度，Q2Y 表示交叉验证下的预测能力，R2X 表示模型对自变量的拟合程度，Q2X 表示交叉验证下的预测能力。这些指标越接近于1，...
OPLS-DA分析中，S-plot图帮助识别与主成分和分类相关性强的代谢物，同时评估模型的R2X、R2Y和Q2值，反映模型对X和Y矩阵的解释率以及预测能力。验证图通过permutation test确定模型的最优性。要进行PCA、PLS-DA、OPLS-DA分析，可以使用如MetaboAnalyst这样的在线平台，它提供从数据预处理到模型构建和图形...
对于PLS-DA和OPLS-DA分析,结果中的R2X和R2Y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,它们的值越接近于1表明模型的拟合度越好,训练集的样本越能够被准确划分到其原始归属中。 参考文献 【1】Chen Q, Liang X, Wu T, Jiang J, Jiang Y, Zhang S, Ruan Y, Zhang H, Zhang C, Chen...
OPLSDA： 定义：进一步整合了PLSDA与正交信号过滤技术，能够最大化与分类无关的信息分离，集中于与分类最相关的因素。 用途：适用于两组样本间的比较，通过寻找与主成分正交的矫正轴方向，强化组间样本的分离，弱化组内差异。 结果解读：Splot图帮助识别与主成分和分类相关性强的代谢物；评估模型的R2X...