【摘要】 偏最小二乘法判别分析是一种用于判别分析的多变量统计分析方法。

偏最小二乘判别分析(Partial least squares Discriminant Analysis, PLS-DA)

 

偏最小二乘法判别分析是一种用于判别分析的多变量统计分析方法。

 

判别分析是一种根据观察或测量到的若干变量值,来判断研究对象如何分类的常用统计分析方法。

 

其原理是对不同处理样本(如观测样本、对照样本)的特性分别进行训练,产生训练集,并检验训练集的可信度。

 

PLS-DA是一种有监督的判别分析统计方法。可以PLS-DA建立代谢物表达量与样品类别之间的关系模型,来实现对样品类别的预测。

 

可以通过计算变量投影重要度( Variable Importance for the Projection, VIP)来衡量各代谢物的表达模式对各组样本分类判别的影响强度和解释能力, 从而辅助标志代谢物的筛选(通常以 VIP值 > 1.0 作为筛选标准)

 

偏最小二乘法判别分析pls-da所需数据:

 

分组信息;因变量和自变量;样本与变量之间的数据矩阵

 

参考图片

 

b PLS-DA plot comparison of metabolite profiles of mice based on disease activity of their original human donors (active pre-and post-HSCT) and (inactive post-HSCT).

(Integrated microbiota and metabolite profiles link Crohn's disease to sulfur metabolism.)

 

版权声明:本文为CSDN博主「言早」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/weixin_53819139/article/details/112259736