主成份分析所著重的在於如何「轉換」原始變項使之成為一些互相獨立的線性組合變數,而且經由線性組合而得的主成分仍保有原變數最多的資訊,其關鍵在「變異數」問題,利用求特徵值 eigenvalue 及特徵向量 eigenvector 之方法,過濾出佔最大變異數的型態,此即為最主要之型態。
Microarray在Bioinformatics中現有的技術裡是一個不可或缺的角色,雖然未來有可能日漸被NGS取代,但令人不敢跨入的就是Data分析懂的人並不多。其實DATA分析現在很多商業化軟體都可以做得非常完善,但是還是有許多知識與分析步驟在起頭時仍需摸索,因此成立一個以中文為主的array分析部落格,收集相關資訊以及統計方法與步驟,讓台灣更多Lab對於Microarray的技術可以更加熟悉(當然價格親民還是得靠廠商),也歡迎相關領域的研究者在此互相分享學習。
5/25/2011
統計分析之--Principle component analysis (PCA)
主成份分析所著重的在於如何「轉換」原始變項使之成為一些互相獨立的線性組合變數,而且經由線性組合而得的主成分仍保有原變數最多的資訊,其關鍵在「變異數」問題,利用求特徵值 eigenvalue 及特徵向量 eigenvector 之方法,過濾出佔最大變異數的型態,此即為最主要之型態。
5/19/2011
Subscribe to:
Posts (Atom)