R语言如何找到患者数据中具有差异的指标？（PLS—DA分析）

原文链接：http://tecdat.cn/?p=4550

原文出处：拓端数据部落公众号

从海量数据中发现潜在标志指标, 需要借助多变量模式识别方法. 无监督的模式识别方法包括主成分分析（PCA、聚类分析(HCE)等，根据模式识别模型抽提出对分类有重要贡献的指标后, 如果还需要进一步验证这些指标的差异性，那么可以在r语言中使用PLSDA模型进行分析。

本文使用几组患者对不同指标进行评分的数据，最后使用PLS—DA模型挖掘出不同中医分组方式下存在差异的指标。

数据1（少分组数据）

通过plsda建模之后，我们对得到的主成分进行画图，并且对不同分组的样本进行标识。从结果中可以看到不同组别分别有哪些指标,以及哪些指标之间存在显著的差异？

# 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)

从图中可以看到,分组a和分组b之间存在显著的差异,分组cdef之间的差异较小,分组a分组b和分组cdef间均存在显著差异。

同时，为了我们可以从数值的角度来对这些分组的差异性进行分析。

计算他们的相关矩阵：

距离矩阵

从指示变量矩阵的结果来看,a的特征向量和b的特征向量之间存在显著差异,而cdef之间的差异较小

数据2 （多分组数据）

为了测试模型的拓展性，我们测试了更多分组数据。类似可以得到如下的成分散点图：

同样计算距离矩阵

从结果中可以看到不同组别分别有哪些指标,以及哪些指标之间存在显著的差异？从图中可以看到,分组GHEC之间的差异较小,分组ABDFIJK之间差异较小,这两类间均存在显著差异从指示变量矩阵的结果来看,, GHEC特征向量之间的差异较小距离也较小,分组ABDFIJK之间差异较小距离也较小,这两类间均存在显著差异