1. Toy模板网首页
  2. >Toy博客

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...

1年前作者：拓端研究室TRL分类：Toy博客阅读(9)违法举报

这篇具有很好参考价值的文章主要介绍了R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

全文链接：https://tecdat.cn/?p=33609

Reaven和Miller（1979）研究了145名非肥胖成年人的葡萄糖耐量和胰岛素血液化学指标之间的关系。他们使用斯坦福线性加速器中心的PRIM9系统将数据可视化为3D，并发现了一个奇特的图案，看起来像是一个有两个翼的大斑点（点击文末“阅读原文”获取完整代码数据）。

相关视频

背景

本文帮助客户使用这些数据来说明多元线性模型的各种图形方法。

设置

读取数据

str(Diabetes)

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习文章来源地址https://www.toymoban.com/news/detail-733547.html

这些变量是：

  • relwt：相对体重，表示实际体重与人的身高相比的期望体重的比率

  • glufast：空腹血浆葡萄糖水平

  • glutest：测试血浆葡萄糖水平，测量葡萄糖不耐受的程度，

  • instest：测试中的血浆胰岛素，测量口服葡萄糖的胰岛素反应，

  • sspg：稳态血浆葡萄糖，测量胰岛素抵抗性

  • group：诊断组

数据的椭圆和方差齐性

我们首先绘制数据集中三个变量的协方差椭圆。

从这个结果中可以清楚地看出，这里存在方差-协方差矩阵的异质性问题。正常组显示了最小的方差，而明显糖尿病组则显示了最大的方差。

covEllipses(Diabetes

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

然而，在其他面板中并非如此，在那里化学糖尿病群体与正常人在一个方向上不同，而明显糖尿病群体在另一个方向上有所不同，并且其内部群体相关性与其他群体呈相反的符号。这在单独的散点图中更容易看到，例如以下示例。

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

另外，我们注意到可以使用scatter3d``car包中的三维散点图更容易地看到组之间的差异。

scatter3d

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

带有50％数据椭圆体的糖尿病数据的三维散点图

点击标题查阅往期内容

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

数据分享|PYTHON用决策树分类预测糖尿病和可视化实例

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

左右滑动查看更多

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

01

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

02

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

03

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

04

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

Box's M检验

Box's M检验确认协方差矩阵存在显著的异质性。

diab.boxm <- box

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

对数行列式按照我们在协方差椭圆图中看到的数据椭圆体的大小进行排序。

拟合MLM模型

对组间均值差异拟合MANOVA模型。

MANOVA显示group对响应变量集合有高度显著影响。

Anova(diab.mlm)

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

在 QQ 图中检查残差

MANOVA 的另一个假设是残差服从多元正态分布。可以通过卡方 QQ 图进行视觉评估。从下图可以看出，数据点与红色的等值线明显不同。有太多具有较大 D2 值的数据点。

qplot(da.ml)

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

HE 图

HE 图显示了各均值之间的 H 椭圆以及误差的 E 椭圆。

默认情况下，将绘制前两个响应变量。结果显示出在 Normal 和 Chemical 变量上的均值排序较为明显。

hplot(diab.

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

对于 MLM 的方法会给出一个散点图矩阵，其中包含所有响应变量之间的 HE 图。从结果中可以看出，Diabetes 变量的模式与其他变量不同。

pairs(diblm, fill=TRUE, fill.alpha=0.1)

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

典型判别分析

典型判别分析将数据有效地投影到响应的线性组合空间，这个空间解释了组间方差相对于组内方差的最大比例。

diab.an

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

典型判别图

plot(dib.an, fill=TRUE, fill.alpha=0.1)

通过一个对象的方法，将典型维度上的分数绘制出来，并在每个组上叠加 60% 的数据椭圆。组均值的位置显示了它们在典型维度上的表现。

响应变量与典型维度的关系通过矢量（类似于双标图）显示出来。每个矢量由其与典型维度的相关系数（结构系数）定义。

plot(diab.can, ellipse=TRUE, var.lwd=2)

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习 在这个图中可以看到：

  • 第一维与glufast、glutest高度相关，而且组别按照Normal < Chemical < Overt的顺序排列。

  • 第二维将Diabetic组与其他两个组区分开来。这个维度与检测过程中的血浆胰岛素水平密切相关。这验证了我们在HE矩阵图中对所有响应变量的观察结果。

  • 规范化的得分数据椭圆的相对大小是方差异质性缺乏的另一个视觉指标。

规范化的HE图

使用规范判别分析的HE图可以概括展示出规范判别分析的结果。变量向量与规范结构图中的变量向量相同。plot(dbcn, fill=c(TRU=0.1, var.lwd=2)

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

## 矢量比例因子设置为12.06

线性判别分析和二次判别分析

线性判别分析（LDA）与多元方差分析（MANOVA）类似，但重点是分类而不是测试均值之间的差异。此外，LDA允许指定组成员身份的先验概率，以使分类错误率与所关注人群中获得的结果可比较。二次判别分析允许组之间的协方差矩阵存在差异，并给出二次而不是线性的分类边界。

从LDA的角度来看，可视化结果的一个目标是通过LD1和LD2的得分来查看分类的边界。

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

递归分区决策树

递归分区是一种创建决策树的方法，旨在对人群的成员进行分类。它使用预测因子的二分间隔将数据递归地分割成子群体。对于糖尿病数据，结果非常简单：当glutest < 420时，将正常组与两个临床组区分开来。对于后者，glufast < 117将个体分类为化学性糖尿病而不是明显性糖尿病。

diabart <- rpart(

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

使用rpart.plot包可以绘制分区树的漂亮图形。节点中的数字给出了每个组中分类的比例。

rpart.plot(, box.pal

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

这样做效果如何？我们可以查看预测的组成员资格与实际结果之间的表格，并计算错误率。效果还不错！

(class.pred <- table(predicted

# 错误率
1 - sum(diag(class.pred))/sum(class.pred)
## [1] 0.013

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

参考资料

Friendly, M. & Sigal, M. (2017) Visualizing Tests of Equality of Covariance Matrices. Submitted for publication.

Reaven, G. M. & Miller, R. G. (1979). An Attempt to Define the Nature of Chemical Diabetes Using a Multidimensional Analysis Diabetologia, 16, 17-24.

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

点击文末“阅读原文”

获取全文完整代码数据资料。

本文选自《R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验》。

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

点击标题查阅往期内容

样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化

SAS分类决策树预测贷款申请评分剪枝和结果可视化

分类回归决策树交互式修剪和更美观地可视化分析细胞图像分割数据集

PYTHON用户流失数据挖掘：建立逻辑回归、XGBOOST、随机森林、决策树、支持向量机、朴素贝叶斯和KMEANS聚类用户画像

PYTHON集成机器学习：用ADABOOST、决策树、逻辑回归集成模型分类和回归和网格搜索超参数优化

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析

PYTHON集成机器学习：用ADABOOST、决策树、逻辑回归集成模型分类和回归和网格搜索超参数优化

R语言集成模型：提升树boosting、随机森林、约束最小二乘法加权平均模型融合分析时间序列数据

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析

R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化

R语言基于树的方法：决策树，随机森林，Bagging，增强树

R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测

spss modeler用决策树神经网络预测ST的股票

R语言中使用线性模型、回归决策树自动组合特征因子水平

R语言中自编基尼系数的CART回归决策树的实现

R语言用rle，svm和rpart决策树进行时间序列预测

python在Scikit-learn中用决策树和随机森林预测NBA获胜者

python中使用scikit-learn和pandas决策树进行iris鸢尾花数据分类建模和交叉验证

R语言里的非线性模型：多项式回归、局部样条、平滑样条、 广义相加模型GAM分析

R语言用标准最小二乘OLS，广义相加模型GAM ，样条函数进行逻辑回归LOGISTIC分类

R语言ISLR工资数据进行多项式回归和样条回归分析

R语言中的多项式回归、局部回归、核平滑和平滑样条回归模型

R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量

R语言分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测

R语言样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化

如何用R语言在机器学习中建立集成模型？

R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测

在python 深度学习Keras中计算神经网络集成模型

R语言ARIMA集成模型预测时间序列分析

R语言基于Bagging分类的逻辑回归(Logistic Regression)、决策树、森林分析心脏病患者

R语言基于树的方法：决策树，随机森林，Bagging，增强树

R语言基于Bootstrap的线性回归预测置信区间估计方法

R语言使用bootstrap和增量法计算广义线性模型（GLM）预测置信区间

R语言样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析

R语言随机森林RandomForest、逻辑回归Logisitc预测心脏病数据和可视化分析

R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化

Matlab建立SVM，KNN和朴素贝叶斯模型分类绘制ROC曲线

matlab使用分位数随机森林（QRF）回归树检测异常值

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...,r语言,决策树,开发语言,算法,机器学习

到了这里，关于R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化...的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包赞助服务器费用

相关文章

  • 糖尿病预测模型-Pima印第安人数据集-论文_企业科研

    糖尿病预测模型-Pima印第安人数据集-论文_企业科研

    糖尿病概述 糖尿病有一型和二型，是由于胰腺分泌胰岛素紊乱或人体无法有效利用其产生的胰岛素而发生的一种慢性疾病，是２１世纪人类面临的健康问题之一．糖尿病伴有弥漫性并发症，其包括心血管病变、肾脏疾病、高血压、中风等、眼部疾病、下肢截肢上百种，由此增

    2024年02月09日
    浏览(10)
  • 数据分析毕业设计 大数据糖尿病预测与可视化 - 机器学习 python

    数据分析毕业设计 大数据糖尿病预测与可视化 - 机器学习 python

    # 1 前言 🚩 基于机器学习与大数据的糖尿病预测 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数：3分 工作量：3分 创新点：4分 选题指导，项目分享： https://gitee.com/yaa-dc/warehouse-1/blob/master/python/README.md 本项目的目的主要是对糖尿病进行预测。主要依托某医院体检数

    2024年02月08日
    浏览(14)

  • 机器学习基础13-基于集成算法优化模型（基于印第安糖尿病 Pima Indians数据集）

    有时提升一个模型的准确度很困难。如果你曾纠结于类似的问题，那 我相信你会同意我的看法。你会尝试所有曾学习过的策略和算法，但模型正确率并没有改善。这时你会觉得无助和困顿，这也是 90%的数据科学家开始放弃的时候。不过，这才是考验真本领的时候！这也是普

    2024年02月11日
    浏览(6)
  • 《天池精准医疗大赛-人工智能辅助糖尿病遗传风险预测》模型复现和数据挖掘-论文_企业

    《天池精准医疗大赛-人工智能辅助糖尿病遗传风险预测》模型复现和数据挖掘-论文_企业

    进入21世纪，生命科学特别是基因科技已经广泛而且深刻影响到每个人的健康生活，于此同时，科学家们借助基因科技史无前例的用一种全新的视角解读生命和探究疾病本质。人工智能（AI）能够处理分析海量医疗健康数据，通过认知分析获取洞察，服务于政府、健康医疗机构

    2023年04月09日
    浏览(46)

  • 机器学习实战6-糖尿病疾病的预测与分析(随机森林算法）

    大家好，我是微学AI，今天给大家介绍一下机器学习实战6-糖尿病疾病的预测与分析(随机森林算法），糖尿病是一种常见的慢性代谢性疾病，由于生活方式及基因等因素的影响，全球范围内糖尿病患者人数不断增加。预测糖尿病的发生有助于早期筛查和干预治疗，以降低糖尿

    2024年02月04日
    浏览(10)

  • 使用机器学习预测糖尿病的模型与Python系统的集成

    在机器学习中，我们可以训练一个糖尿病预测模型，用于根据输入数据预测一个人是否患有糖尿病。然后，我们可以使用Python构建一个系统来展示这个模型的预测结果和各种指标。本文将介绍如何将模型与Python系统进行集成，并给出一些相关的实现代码。 在搭建Python系统时，

    2024年02月06日
    浏览(6)
  • Python课程设计项目-基于机器学习的糖尿病风险预警分析系统

    Python课程设计项目-基于机器学习的糖尿病风险预警分析系统

    这个东西是我大二时候做的，做的挺一般的，当时也没想着搭建界面啥的，测试的也不够，就是单纯的分享一下吧，不足之处大家多多指正，我会把所有的代码和数据在文章最后都放出来，喜欢的话点个赞吧！ [摘 要] 糖尿病是一种全球性的流行性疾病，随着经济生活的高速

    2024年02月03日
    浏览(11)
  • 互联网加竞赛 基于机器学习与大数据的糖尿病预测

    互联网加竞赛 基于机器学习与大数据的糖尿病预测

    🔥 优质竞赛项目系列，今天要分享的是 基于机器学习与大数据的糖尿病预测 该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！ 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数：3分 工作量：3分 创新点：4分 🧿 更多资料, 项目分享： https://gitee.com/dancheng-

    2024年01月16日
    浏览(6)
  • 计算机毕设 基于机器学习与大数据的糖尿病预测

    计算机毕设 基于机器学习与大数据的糖尿病预测

    # 1 前言 🚩 基于机器学习与大数据的糖尿病预测 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数：3分 工作量：3分 创新点：4分 本项目的目的主要是对糖尿病进行预测。主要依托某医院体检数据（处理后），首先进行了数据的描述性统计。后续针对数据的特征进行特

    2024年02月11日
    浏览(11)

  • 机器学习基础14-算法调参（基于印第安糖尿病Pima数据集）

    机器学习的模型都是参数化的，可以通过调参来提高模型的准确度。 模型有很多参数，如何找到最佳的参数组合，可以把它当作一个查询问题来处理，但是调整参数到何时为止呢？应该遵循偏差和方差协调的原则。 接下来将介绍在 scikit-learn 中设置机器学习模型最佳参数的方

    2024年02月10日
    浏览(6)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包