Discriminant Analysis of Principle Component analyses of Physiological Data
Discriminant Analysis of Principle Component analyses of Physiological Data
复制标题
生理数据主成分分析的判别分析
DOI：
10.1101/2020.01.09.899898
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Haidar O
中科院分区：
文献类型：
--
作者：
Haidar O
在生理学和药理学分析中有许多情况需要收集多变量数据。通常，这些分析采用t检验和多重（Bonferroni）比较或ANOVA与事后检验。越来越多，即使有更强大的计算机许多变量，似乎特征减少将是一个有用的方法。最常用的方法是主成分分析，但在这份报告中，我们比较这一技术开发的遗传分析，判别分析的主成分（DAPC）分析。存在一个简单易用且维护良好的DAPC分析库Adegenet，使用该库，我们发现DAPC检测合成生理数据集之间的差异，其准确性显著高于传统PCA。
There are many situations in physiological and pharmacological analyses where multivariate data is collected. Frequently these are analysed with t-tests and multiple (Bonferroni) comparisons or ANOVA with post-hoc test. Increasingly, even with more powerful computers many variables and it seems that feature reduction would be a useful approach. The most commonly used method is principle component analyses, but in this report we compare this to a technique developed for genetic analyses, discriminant analysis of principle component (DAPC) analyses. A simple to use and well-maintained library exists for DAPC analyses, Adegenet, and using this we find that DAPC detects differences between synthetic physiological datasets with significantly greater accuracy than traditional PCA.
ClusterSignificance：一个生物导体包，有助于对降维数据中的类簇分离进行统计分析
影响因子：
5.8
作者：
J. Serviss;J. Gådin;P. Eriksson;L. Folkersen;D. Grandér
通讯作者：
D. Grandér
影响因子：
--
作者：
BENIGNI, R;GIULIANI, A
通讯作者：
GIULIANI, A