1.得分图(Score Plot): 得分图通常用于展示样本在PLS-DA模型中的分布。每个点代表一个样本,不同的颜色或形状可以代表不同的类别。通过观察点的分布,可以了解不同类别之间是否有明显的区分。如果不同类别的点在图中清晰分离,则说明模型在这些类别上有良好的区分能力。 2.负荷图(Loading Plot): 负荷图展示了原始...
通过 Score plot 图，可以看出不同样本之间的差异，从而找出那些最能区分不同类别之间差异的主要特征。5.S-plot 图：S-plot 图是一种二维散点图，用来展示每个自变量在不同类别之间的差异，可以更直观地看出每个自变量在分类中的重要程度。S-plot 图上的点越靠近两端，说明该变量对不同类别之间的差异...
ggplot2可视化 - loading plot 与其说是可视化方法,不如称为数据提取章节。 # 提取score坐标scoreMN<-sacurine.plsda@scoreMNscoreMN<-cbind(scoreMN,sacurine$sampleMetadata)scoreMN$samples<-rownames(scoreMN)# 提取loading坐标loadingMN<-sacurine.plsda@loadingMN# 解释率x_lab<-sacurine.plsda@modelDF[1...
PLS-DA score plot from the 1H NMR urinary metabolic profiles from 83 pregnant women.Nathalie, BonvallotMarie, TremblayFrancoCécile, ChevrierCécile, CanletCharline, WarembourgJeanPierre, CravediSylvaine, Cordier
plot(sacurine.oplsda, typeVc ="x-score") 去除样本名并添加相应的散点 ## 设置颜色,颜色是从ropls包源代码中提取出来的 scaVc <- rev(rainbow(100, end = 4/6)) color <- scaVc[round((d$b- min(d$b, na.rm = TRUE)) / diff(range(d$b, na.rm = TRUE)) * 99) + 1] ...
plot(sacurine.plsda, typeVc = "x-score") 去除样本名并添加相应的散点 ## 设置颜色,颜色是从ropls包源代码中提取出来的 scaVc <- rev(rainbow(100, end = 4/6)) ## 提取画图数据 a <- data.frame(sacurine.plsda@scoreMN) b <- sacurine.plsda@suppLs$y ...
最后，通过绘制图形对模型进行可视化。包含四张分面图形，展示累计解释率、模型拟合效果、离群点以及得分图。生成的文件有“plsda.pdf”和“loading.pdf”，以及得分图“score_plot.pdf”。所有分析结果和图形文件一键生成。使用流程简单，操作便捷，无需注册，完全免费。欢迎访问我们的网址：cloud.keyan...
还可以获取更多信息,例如查看查看差异比较大的表达基因。 par(mfrow = c(1, 2)) plot(pls-ana, typeVc = 'x-score', parAsColFcVn = group) plot(pls-ana, typeVc = 'x-loading') 以上就是非常粗略的说了下PLS-DA的做法和可视化差异性了,其实PLS-DA还有很多内容,想了解的自行深入学习吧!
plot(sacurine.plsda, typeVc = "x-score") image.png 去除样本名并添加相应的散点 ## 设置颜色,颜色是从ropls包源代码中提取出来的color<-c("blue","red","green3","cyan","magenta","#FF7F00","#6A3D9A","#B15928","aquamarine4","yellow4","#A6CEE3","#B2DF8A","#FB9A99","#FDBF6F...
head(sacurine.plsda@scoreMN) #例如,样本在 PLS-DA 轴上的位置 head(sacurine.plsda@loadingMN) #例如,代谢物在 PLS-DA 轴上的位置 #默认 plot() 作图,如查看样本差异以及帮助寻找重要的代谢物 par(mfrow = c(1, 2)) plot(sacurine.plsda, typeVc = 'x-score', parAsColFcVn = sacurine$sample...