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,用以评价PLS-DA模型的预测能力,Q2Y越大代表模型预测效果较好。 关键数值参数提取:根据PLS-DA的建模结果,提取一系列关键数值并写入表格,并且进行进一步可视化。 得分矩阵,存储在结果文件“scoreMN.xls”中。 结果文件:得分...
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 ...
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...
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。
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性越差。通常情况下 , R2、Q2高于0.5较好,高于0.4即可接受。 从图中可以看出Q2为0.994 , R2Y为1 , R2X为0.685 , Q2和R2Y的P值均小于0.01,说明 permutation test 中...
模型质量评估标准包括R2X、R2Y和Q2这三个指标,这些指标越接近1表示模型拟合数据效果越好。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。
在偏最小二乘判别分析(PLS-DA)中,R2表示模型对数据的拟合程度,而Q2表示模型的预测能力。理想情况下,R2应该接近1,而Q2也应该是正值,越接近1越好。 在进行交叉验证时,R2和Q2的截距值可以帮助判断模型是否有过拟合的倾向。 R2截距(R2Y和R2X的截距)接近0更好,说明模型没有捕捉到随机噪声,而是真实反映了数据间的...
从图中可以看出Q2为0.994,R2Y为1,R2X为0.685,Q2和R2Y的P值均为0.005,说明permutation Test中只有1个随机分组模型结果优于本OPLS-DA模型,一般情况下P<0.05时模型最佳。 图4 OPLS-DA 的验证图 image.png 图5 OPLS-DA 分析流程思维导图 转自:http://www.360doc.com/showweb/0/0/900071290.aspx...
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...
首先对第一主成分进行OPLS-DA建模分析,模型的质量用7折交叉验证(7-fold cross validation)进行检验;然后用交叉验证后得到的R2Y(模型对分类变量Y的解释度)和Q2(模型的预测性)对模型有效性进行评判;最后通过置换检验(permutation test),随机200次改变分类变量Y的...