主成分回歸(PCR)的方法 本質上是使用第一個方法的普通最小二乘(OLS)擬合?來自預測變量的主成分(PC)。這帶來許多優點：

預測變量的數量實際上沒有限制。

相關的預測變量不會破壞回歸擬合。

但是，在許多情況下，執行類似于PCA的分解要明智得多。

今天，我們將 在Arcene數據集上執行PLS-DA，??其中包含100個觀察值和10,000個解釋變量。

讓我們開始使用R

癌癥/無癌標簽(編碼為-1 / 1)存儲在不同的文件中，因此我們可以將其直接附加到完整的數據集，然后使用公式語法來訓練模型。

# Load caret, install if necessary

library(caret)

arcene

colClasses = c(rep("numeric", 10000), "NULL"))

# Add the labels as an additional column

arcene$class

，現在的主要問題是：

我們如何根據其血清的MS譜準確預測患者是否生病？

哪種蛋白質/ MS峰最能區分患者和健康患者？

關于預處理，我們將使用preProc參數以精確的順??序刪除零方差預測變量，并對所有剩余的變量進行標準化。考慮樣本的大小(n= 100)，我將選擇10倍的重復5倍交叉驗證(CV)–大量重復補償了因減少的折疊次數而產生的高方差–總共進行了50次準確性估算。

# Compile cross-validation settings

set.seed(100)

myfolds

control

?

此圖描繪了CV曲線，在這里我們可以學習從使用不同數量的LV(x軸)訓練的模型中獲得的平均準確度(y軸，％)。

現在，我們 進行線性判別分析(LDA)進行比較。 我們還可以嘗試一些更復雜的模型，例如隨機森林(RF)。

最后，我們可以比較PLS-DA，PCA-DA和RF的準確性。

我們將使用caret :: resamples編譯這三個模型，并借用ggplot2的繪圖功能來比較三種情況下最佳交叉驗證模型的50個準確性估計值。

?

顯然，長時間的RF運行并沒有轉化為出色的性能，恰恰相反。盡管三個模型的平均性能相似，但RF的精度差異要大得多，如果我們要尋找一個健壯的模型，這當然是一個問題。在這種情況下，PLS-DA和PCA-DA表現出最好的性能(準確度為63-95％)，并且這兩種模型在診斷新血清樣品中的癌癥方面都表現出色。

總而言之，我們將使用PLS-DA和PCA-DA中預測的可變重要性(ViP)確定十種最能診斷癌癥的蛋白質。

?

?

上面的PLS-DA ViP圖清楚地將V1184與所有其他蛋白質區分開。這可能是一個有趣的癌癥生物標志物。當然，必須進行許多其他測試和模型以提供可靠的診斷工具。

如果您有任何疑問，請在下面發表評論。

總結

以上是生活随笔為你收集整理的r语言pls分析_R语言中的偏最小二乘回归PLS-DA的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。