<![CDATA[PCA、PCoA、NMDS 、RDA和CCA等排序分析方法]]>PCA、PCoA、NMDS 、RDA和CCA等排序分析方法

https://www.bilibili.com/read/cv6438206

]]>http://an.forum.genostack.com/topic/27/pca-pcoa-nmds-rda和cca等排序分析方法RSS for NodeSat, 13 Jun 2026 12:32:02 GMTTue, 28 Jul 2020 07:18:28 GMT60<![CDATA[Reply to PCA、PCoA、NMDS 、RDA和CCA等排序分析方法 on Tue, 28 Jul 2020 07:36:26 GMT]]>PCoA

PCoA(principal co-ordinates analysis),主坐标分析。

与PCA不同，PCoA是对原始数据两两求距离后的距离矩阵进行分析（后续操作和PCA类似）。PCoA分析保留了原始数据间的距离关系（将距离矩阵降维到可通过图表展示的维度），通过主坐标的方式展示出来。

]]>http://an.forum.genostack.com/post/37http://an.forum.genostack.com/post/37Tue, 28 Jul 2020 07:36:26 GMT<![CDATA[Reply to PCA、PCoA、NMDS 、RDA和CCA等排序分析方法 on Tue, 28 Jul 2020 07:26:41 GMT]]>PCA

PCA（Principal Components Analysis）,主成分分析。
PCA主要是对原始数据进行降维的方法，是提升数据密度，去冗余的一种手段。数据的各维度线性相关性越强，冗余越大，通过PCA后，不改变数据的分布，只会损失数据的信息（或能量）

]]>http://an.forum.genostack.com/post/36http://an.forum.genostack.com/post/36Tue, 28 Jul 2020 07:26:41 GMT