使用 FactoMineR 包,我对生物数据集执行 PCA,其中每列是一个基因 (n = 15),行是不同的样本。有许多分类变量列(第 16 至 20 列,例如对照/治疗和癌症/非癌症),我将其作为定性补充。
res.pca = FactoMineR::PCA(dataset, scale.unit=TRUE,
ncp=6,
quali.sup= c(16:20),
graph=FALSE)
p41 上的包 vingette 将
eta2
标识为相关系数。
相关系数基于底层相关矩阵。
确切的方法应该在包作者提供的参考范围内。 生成特征值和特征向量的方法通常包不同,但矩阵代数通常是相同的。
Husson, F.、Le, S. 和 Pages, J. (2010)。使用 R 进行探索性多变量分析, 查普曼和霍尔。
计算样本坐标(FactoMineR 术语中的个体)和分类变量表示为数字因子水平之间的相关性(平方)。