PCA降维

Question

我试图为文件中的所有SNP绘制一个VCF文件的三个值(QUAL、DP和分阶段速率)。

我认为PCA图是减少图形维数和比较值的好方法，尽管它们不是在相同的尺度上。

我尝试用不同的R包(如ggbiplot和pca3d )来构建主成分分析，但由于缺少维数，点云的分布似乎总是倾斜的。在下面找到用于生成ggbi图的代码。

有人会建议将三个不同尺度的值降为二维PCA吗？

library(devtools) 
library(ggbiplot) 

# Create the dataframe
df <- df[c("quality", "phasing", "depth")]  

# Create the PCA dataset
pop.pca   <- prcomp(df, center = TRUE,scale. = TRUE)

# Create the plot
ggbiplot(pop.pca) +     
scale_y_continuous(trans='log10') +
scale_x_continuous(trans='log10')

Answer 1

不缺少维度，因为PC1和PC2是所有变量的“摘要”。实际上，PC1是您的特性的线性组合，计算类似：PC1 = v1*feature1 + v2*feature2 + v3*feature3 + ...，其中v1,v2和v3是由PCA模型直接计算的标量数。

PCA计算n个PC，其中n等于你的特征数，并被选择为第一个和第二个PC，因为它们解释了系统中最大的变异性。

关于R中的完整示例，请遵循下面的链接