PC0A分析主成分分析降维，降噪差异不大去掉，去冗余
贡献率高，主成分可以反映原始信息
距离算法 独立otu，系统发生树
加权和丰度，非加权只看物种。
授课教师
讲师
课程特色
视频(39)
PC0A分析主成分分析降维，降噪差异不大去掉，去冗余
贡献率高，主成分可以反映原始信息
距离算法 独立otu，系统发生树
加权和丰度，非加权只看物种。
RDA/CCA分析，夹角角度“锐角正相关，钝角负相关；点点距离：距离越近，相似性越大
1. PCA：多维数据转为二维坐标，去冗余和降噪
2. PCoA:
3. NMDS：点之间距离表示差异大小，stress值反映分析可靠性，<0.01分析结果极为可靠的；
4. UPGMA：枝长越短，差异越小；
Beta多样性分析
主成分分析：
共线率越高，越能反应原始信息，图中不同颜色反应不同样品
7.19 第2课 Beta多样性分析