主成分分析

通常高通量数据中含有很多变量，主成分分析是一种数据降维方法，利用正交变换把原始的可能相关的变量转换为一组正交新变量, 提取数据中重要的特征，去除不重要的特征（噪声）。方差越大，表示的特征信息越多，的选择方差最大的方向，去除方差较小的方向。

矩阵分解

对于方阵\(A\)和非零向量\(x\), 如果\(Ax = \lambda x\),表征矩阵\(A\)乘以向量\(x\)后不改变向量的值，\(x\)称为特征向量，\(\lambda\)为特征值。特征向量可以看成是构成矩阵的一组基（向量空间），特征值表示这组基的伸缩倍数。 也就是说\((A - \lambda I)x = 0\), 矩阵\(A - \lambda I\)必须是奇异矩阵, …

一路嘿嘿

Bioinformatics, R enthusiast. Thoughts on reasarch, personal experience and other distractions.

Tags

blogdown font ggplot git github github pages Homebrew html hugo icon liner algebra linux machine learning R scholar sublime text 3 tidyverse