主成分分析（转）

主成分分析 R语言：https://www.cnblogs.com/wkslearner/p/6287382.html

主成分分析(PCA)原理及R语言实现及分析实例：http://blog.sina.com.cn/s/blog_14154cb430102xjcc.html

一文看懂PCA主成分分析：https://mp.weixin.qq.com/s/ZKvQieq_6KX6l6LZyUz7jA

ggbiplot-最好看的PCA作图：http://blog.sciencenet.cn/blog-3334560-1090803.html

1数据预处理。PCA根据变量间的相关性来推导结果。用户可以输入原始数据矩阵或者相关系数矩阵到principal()和fa()函数中进行22计算，在计算前请确保数据中没有缺失值。
3判断要选择的主成分数目（这里不涉及因子分析）。
4选择主成分（这里不涉及旋转）。
5解释结果。
6计算主成分得分。

install.packages("devtools", repo="http://cran.us.r-project.org")
library(devtools)
install_github("vqv/ggbiplot")
library(ggbiplot)


data = read.table("otu_tax_table.txt", header = T, row.names = 1, sep= "\t", check.names = F, comment.char = "",skip = 1)
data.N = subset(data, select = c(-taxonomy))
#data.S = scale(data.N)
data.T = as.data.frame(t(data.N))



pca_prcomp <- prcomp(data.T,scale=T)

pca_data <- predict(pca_prcomp)

plot(pca_data[,1:2]) 


ev <- pca_prcomp$sdev^2
vp <- ev*100/sum(ev)

group = c("BN", "BN", "WA", "WA", "BA", "BN", "BA","BA", "WN","WN","WA","WN")
  
ggbiplot(pca_prcomp, obs.scale = 1, var.scale = 1,
         groups = group, ellipse = TRUE,var.axes = F)

主成分分析（转）

猜你喜欢