pca主成分分析图绘制学点统计主成分分析

导读背景介绍多元统计分析multivariatestatisticalanalysis研究客观事物中多个变量（或多个因素）之间相互依赖的统计规律性。它的重要基础....背景介绍

多元统计分析

multivariate statistical analysis

研究客观事物中多个变量（或多个因素）之间相互依赖的统计规律性。它的重要基础之一是多元正态分析，又称多元分析。

20世纪30年代，R.A.费希尔，H.霍特林，许宝碌以及S.N.罗伊等人作出了一系列奠基性的工作，使多元统计分析在理论上得到迅速发展。50年代中期，随着电子计算机的发展和普及 ，多元统计分析在地质 、气象、生物、医学、图像处理、经济分析等许多领域得到了广泛的应用 ，同时也促进了理论的发展。

各种统计软件包如SAS，SPSS等，使实际工作者利用多元统计分析方法解决实际问题更简单方便。重要的多元统计分析方法有：多重回归分析（简称回归分析）、判别分析、聚类分析、主成分分析、对应分析、因子分析、典型相关分析、多元方差分析等。

有需要软件的小伙伴可以戳戳链接~

软件包｜Stat、SAS、SPSS、Python、R包一键拥有

科研利器｜MATLAB，一款集计算机、医学与生物学的软件

资料｜400集Python基础全面讲解助力医学科研汪

主成分分析（PCA）

又称主分量分析，是将多个变量通过线性变换以选出较少个数重要变量的一种方法。

主要目的

是希望用较少的变量去解释原来资料中的大部分变量，将我们手中许多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少，能解释大部分资料中变量的几个新变量，即所谓主成分，并用以解释资料的综合性指标。由此可见，主成分分析实际上是一种降维方法。

分析步骤

1. 将原始数据按行排列组成矩阵X
2. 对X进行数据标准化，使其均值变为零
3. 求X的协方差矩阵C
4. 将特征向量按特征值由大到小排列，取前k个按行组成矩阵P
5. 通过计算Y = PX，得到降维后数据Y
6. 用下式计算每个特征根的贡献率Vi;Vi=xi/(x1 x2 ........)根据特征根及其特征向量解释主成分物理意义。

PCA运行

• 主成分计算

• 主成分选择，方差累计贡献度75%以上

• 因子负载荷图

• 带有标签的PCA图

3D-PCA

• 3D图

• 图例

• 导入到PPT中进一步修改图片

温馨提醒：需要代码文本形式的小伙伴可以直接联系小助理，后台发消息现在不太好接收，加油，Paper就在不远方~

更多内容欢迎微信关注「启帆医学BioSCI」,这里是医生硕博成长交流地，汇聚了大批国内外顶级名校的教授、博士、博士后、以及其他科研人员等强大的人脉资源，我们专注于生物医学研究、科研课题设计、SCI论文写作等领域的知识梳理和心得分享，为广大医务工作者提供便利。