R语言做主成分分析实例

主成分分析法是数据挖掘中常用的一种降维算法,是Pearson在1901年提出的,再后来由hotelling在1933年加以发展提出的一种多变量的统计方法,其最主要的用途在于“降维”,通过析取主成分显出的最大的个别差异,也可以用来削减回归分析和聚类分析中变量的数目,与因子分析类似。

在做多样本的RNA-Seq数据中经常会用到主成分分析(PCA)来分析,那么什么是PCA呢,这个可以百度一下,大概意思如下:

主成分分析法是数据挖掘中常用的一种降维算法,是Pearson在1901年提出的,再后来由hotelling在1933年加以发展提出的一种多变量的统计方法,其最主要的用途在于“降维”,通过析取主成分显出的最大的个别差异,也可以用来削减回归分析和聚类分析中变量的数目,与因子分析类似。

比如你要做一项分析人的肥胖的因素有哪些,这时你设计了50个你觉得都很重要的指标,然而这50个指标对于你的分析确实太过繁杂,这时你就可以采用主成分分析的方法进行降维。50个指标之间会有这样那样的联系,相互之间会有影响,通过主成分分析后,得到三五个主成分指标。此时,这几个主成分指标既涵盖了你50个指标中的绝大部分信息,这让你的分析得到了简化(从50维降到3、5维)。

今天就用一个实例来讲解一下在R语言中如何实现PCA分析:

数据准备:

一个表达矩阵:testPCA,行为基因,列为样本

attachments-2017-06-xUfqSJ87592f95e15935

我们使用princomp()函数来做主成分分析,使用的格式为:

princomp(formula,data = NULL,subset,na.action,...)

其中formula是没有响应变量的公式,类似于回归分析和方差分析中但是没有响应的变量.data是数据框,类似于回归分析和方差分析.

使用代码如下:

head(testPCA)
pca1 <- princomp(testPCA,cor = T)
summary(pca1,loadings=T)
attachments-2017-06-yoOWOtXe592f97619ca2
从PCA结果中可以看出,前4个变量Comp.1,Comp.2,Comp.3已经贡献了89.2%的信息,Loadings中的矩阵分别对应主成分与各样本之间的系数关系,我们选择前三个主成分进行后续可视化,观察八个样本之间的关系。

library(scatterplot3d)
PCA1=pca1$loadings[,1]
PCA2=pca1$loadings[,2]
PCA3=pca1$loadings[,3]
colors=rainbow(24)
s3d=scatterplot3d(PCA1,PCA2,PCA3
              #, highlight.3d = TRUE
              , col.axis = "blue",angle = 40,
              color=colors[seq(1,24,3)], main = "Principal component analysis", pch = ' ')
s3d$points(PCA1,PCA2, PCA3, pch =15:22,
           cex = 2,col=colors[seq(1,24,3)])
legend(s3d$xyz.convert(-0.2, -0.2, -0.2), pch = 15:22, yjust=0,
       legend =colnames(testPCA), cex = .7,col=colors[seq(1,24,3)],bty="n")
attachments-2017-06-Hcolnm8B592f9942197e
PS:使用princomp,当列数超过行时就会报错:'princomp' can only be used with more units than variables
此时使用prcomp可避免此问题,如下:
pca1<-prcomp(testPCA)
PCA1=pca1$rotation[,1]
PCA2=pca1$rotation[,2]





  • 发表于 2017-06-01 12:37
  • 阅读 ( 13240 )
  • 分类:编程语言

10 条评论

请先 登录 后评论
不写代码的码农
祝让飞

生物信息工程师

118 篇文章

作家榜 »

  1. 祝让飞 118 文章
  2. 柚子 91 文章
  3. 刘永鑫 64 文章
  4. admin 57 文章
  5. 生信分析流 55 文章
  6. SXR 44 文章
  7. 张海伦 31 文章
  8. 爽儿 25 文章