这个R包不太冷系列五——降维分析

2021-08-05 17:57:43, 多层组学定制服务上海欧易生物医学科技有限公司

点击上方“蓝色字体”关注我们

鹿明

生物

蛋白、代谢组学服务专家

关注我们收获更多

关注

（点击的图片查看活动）

数据处理一直是科研工作者的重中之重，选用了合适的方法往往能带来事半功倍的效果。当拿到繁琐复杂的数据集，我们往往一筹莫展，面对数量庞大的数据集，对其进行全部保留分析显然是不现实的。不用怕，小鹿今天给大家介绍一个专门用来处理高维数据的秘密武器——R包UMAP，用了它你就可以轻松进行降维分析，给数据来个“大瘦身”。

降维分析的定义

降维是指通过保留一些比较重要特征，去除一些冗余特征，从而减少数据特征维度的方法。而特征的重要性取决于该特征能够表达数据集的多少。一般情况下我们会先使用线性的降维方法再使用非线性的降维方法，从结果上去判断哪种方法比较合适。

【什么情况会用到降维？】
（1）特征维度很大，可能会导致过拟合；
（2）个别样本数据不足；
（3）特征间的相关性较大。

UMAP降维分析

UMAP建立在黎曼几何和代数拓扑理论框架上，不仅是新的降维流形学习技术，还是非常有效的可视化和可伸缩降维算法。在可视化质量方面，UMAP算法与t-SNE具有竞争优势，但它保留了更多全局结构，具有优越的运行性能，以及更好的可扩展性。此外UMAP对嵌入维数没有计算限制，这使得它可以作为机器学习的通用维数简约技术。

代码实现

我们首先进行数据预处理，再用处理后的数据进行可视化分析。

1.首先加载我们需要用到的包【umap】和【ggplot2】

library(umap)library(ggplot2)

2.使用umap函数对示例数据（鸢尾花数据集）进行UMAP降维分析

iris.umap = umap::umap(iris.data)

查看降维后的结果：

3.使用plot函数可视化UMAP的结果

plot(iris.umap$layout,col=iris.labels,pch=16,asp = 1,     xlab = "UMAP_1",ylab = "UMAP_2",     main = "A UMAP visualization of the iris dataset")

abline(h=0,v=0,lty=2,col="gray")

legend("topright",title = "Species",inset = 0.18,       legend = unique(iris.labels),pch=16,       col = unique(iris.labels))

复杂的umap降维分析就这样轻易的实现了，当然实现umap降维分析可不止这一种方法，还可以利用uwot包去实现。

1.第一步当然还是要加载包【uwot】和【ggplot2】包

library(ggplot2)library(uwot)

2. 第二步是使用uwot进行UMAP降维分析

iris_sumap <- uwot::umap(iris, n_neighbors = 15, min_dist = 0.001,                         y = iris$Species, target_weight = 0.5)

查看降维后的结果：

3.添加Species列到数据框中

iris_sumap_res <- data.frame(iris_sumap,Species=iris$Species)head(iris_sumap_res)

4.使用ggplot函数可视化UMAP的结果

ggplot(iris_sumap_res,aes(X1,X2,color=Species)) +   geom_point() + theme_bw() +   geom_hline(yintercept = 0,lty=2,col="red") +   geom_vline(xintercept = 0,lty=2,col="blue",lwd=1) +  theme(plot.title = element_text(hjust = 0.5)) +   labs(x="UMAP_1",y="UMAP_2",       title = "A UMAP visualization of the iris dataset")