主成份分析的特性 代表性 保有原來變數的資訊 獨立性 新的變數不能重疊 精簡性 用”少數”代替原來的”多個”變數.

Presentation on theme: "主成份分析的特性 代表性 保有原來變數的資訊 獨立性 新的變數不能重疊 精簡性 用”少數”代替原來的”多個”變數."— Presentation transcript:

1 主成份分析 Principal Component Analysis (PCA) 生物資訊室 Bioinformatic Core Research Assistant 葉坤海

2 主成份分析的特性 代表性 保有原來變數的資訊 獨立性 新的變數不能重疊 精簡性 用”少數”代替原來的”多個”變數

3 線性組合： 其中 Result : PC 1 : PC 2 : 收集20位學生身高、體重，如下 No. X1 X2 1 183 75
線性組合： 其中 Result : PC 1 : PC 2 :

4 資料點的投影方向

5 主成份的幾何意義

6 No x x2 y y2 總變異 代入線性組合 第一主成份解釋的變異比例 第二主成份解釋的變異比例

7 standardize 主成份score No. X1 X2 PC1 PC2 1 183 75 2.857 0.254 2 178 70
PC PC2 standardize 代入線性組合 主成份score

8 主成份散佈圖

9 standardize 線性組合： 其中 身高 體重 數學 國文 英文 No. x1 x2 x3 x4 x5 1 183 75 85 62
93 2 178 70 64 96 73 3 175 68 79 76 4 172 60 84 5 170 72 88 6 169 65 80 69 7 166 54 71 8 164 58 81 67 9 161 49 90 102 63 10 163 11 162 82 12 98 13 51 94 14 160 56 57 15 158 52 16 156 46 77 97 61 17 153 45 18 149 44 19 152 43 20 150 83 53 身高 體重 數學 國文 英文 x1 x2 x3 x4 x5 2.14 1.91 0.67 -1.37 2.43 1.60 1.40 -0.85 1.16 0.37 1.27 1.20 1.24 -0.10 0.68 0.95 0.38 -1.14 0.27 -0.75 0.73 0.23 0.57 0.99 0.62 0.89 0.30 -0.04 -0.23 -0.35 -0.40 0.08 0.18 0.04 -0.24 -0.74 1.03 1.61 -0.65 -0.03 -0.14 0.45 -1.52 -1.00 1.31 1.50 -0.53 1.01 -1.16 -0.49 -1.74 -1.27 -0.57 -0.43 -0.79 -1.04 0.09 -0.86 -1.11 -1.15 -2.23 -0.70 0.07 -1.54 -1.25 -1.22 -1.35 0.34 -1.44 0.19 -1.68 standardize 線性組合： 其中

10 主成份分析: 身高, 體重, 數學, 國文, 英文 相關矩陣的特徵分析 特徵值 比例 累積 變量 PC1 PC2 PC3 PC4 PC5 身高 體重 數學 國文 英文 主成份的變異數 主成份變異佔總變異比例 累計的變異比例 線性組合的係數

11 Microarray Example sample no. sample_name time CEACAM4 LTA ACAT1 PTN
PTAFR PIGA PRPS1 PTPN12 SDHB … 1 M0_H001_S 2 M0_H002_S 3 M05_H003_S 0.5 4 M05_H004_S 5 M1_H005_S 6 M1_H006_S 7 M25_H007_S 2.5 8 M25_H008_S 9 M5_H009_S 10 M5_H010_S

12

13

14 Thanks for your attention!!
～End～ Thanks for your attention!!