R語言如何找到患者數據中具備差別的指標？（PLS—DA分析）

參考原文：http://tecdat.cn/?p=4550

從海量數據中發現潛在標誌指標, 須要藉助多變量模式識別方法. 無監督的模式識別方法包括主成分分析（PCA、聚類分析(HCE)等，根據模式識別模型抽提出對分類有重要貢獻的指標後, 若是還須要進一步驗證這些指標的差別性，那麼能夠在r語言中使用PLSDA模型進行分析。

 

   本文使用幾組患者對不一樣指標進行評分的數據，最後使用PLS—DA模型挖掘出不一樣中醫分組方式下存在差別的指標。

數據1 （少分組數據）

經過plsda建模以後，咱們對獲得的主成分進行畫圖，而且對不一樣分組的樣本進行標識。 從結果中能夠看到不一樣組別分別有哪些指標,以及哪些指標之間存在顯著的差別？

# plsda.breast <- plsda(X, Y, ncomp = 2)

 

# col.breast <- as.numeric(as.factor(Y))

# plotIndiv(plsda.breast, ind.names = TRUE, col = col.breast ,ellipse = TRUE)

 

從圖中能夠看到,分組a和分組b之間存在顯著的差別,分組cdef之間的差別較小,分組a分組b和分組cdef間均存在顯著差別。

同時，爲了咱們能夠從數值的角度來對這些分組的差別性進行分析。

計算他們的相關矩陣：

距離矩陣

 

從指示變量矩陣的結果來看,a的特徵向量和b的特徵向量之間存在顯著差別,而cdef之間的差別較小

數據2 （多分組數據）
爲了測試模型的拓展性，咱們測試了更多分組數據。相似能夠獲得以下的成分散點圖：

 

一樣計算距離矩陣

dd

從結果中能夠看到不一樣組別分別有哪些指標,以及哪些指標之間存在顯著的差別？

從圖中能夠看到,分組GHEC之間的差別較小,分組ABDFIJK之間差別較小,這兩類間均存在顯著差別

從指示變量矩陣的結果來看,, GHEC特徵向量之間的差別較小距離也較小,分組ABDFIJK之間差別較小距離也較小,這兩類間均存在顯著差別