
วิเคราะห์องค์ประกอบหลัก (PCA) และวาดกราฟให้ได้มาตรฐาน
อัปโหลดตารางค่าที่วัดได้ แล้ว Yila จะแปลงตัวแปรเป็นค่ามาตรฐาน วิเคราะห์องค์ประกอบหลัก และวาด score plot, scree plot กับ biplot ที่อ่านง่าย พร้อมตารางค่าน้ำหนักองค์ประกอบและสคริปต์
ช่วยแปลงตัวแปรเชิงตัวเลขในข้อมูลของฉันเป็นค่ามาตรฐาน แล้ววิเคราะห์องค์ประกอบหลัก (PCA) โดยวาด score plot ที่พร้อมตีพิมพ์ของ PC1 เทียบกับ PC2 แยกสีตาม พร้อมวงรีความเชื่อมั่น 95% วาด scree plot และ biplot ของตัวแปรที่มีส่วนต่อองค์ประกอบมากที่สุด รายงานสัดส่วนความแปรปรวนที่แต่ละองค์ประกอบอธิบายได้ แล้วบันทึกรูปเป็น PNG และ SVG พร้อมตารางค่าน้ำหนักองค์ประกอบและสคริปต์
จะเปิดในพื้นที่ทำงานของ Yila ซึ่งคุณปรับได้ทุกอย่างระหว่างสนทนา
การวิเคราะห์องค์ประกอบหลักที่ทำเสร็จแล้ว
ตัวอย่างทางการที่ทำจริงบนชุดข้อมูลเคมีแบบเปิด นี่คือรูป 3 รูปที่บันทึกไว้ ไฟล์ดาวน์โหลดมีรูปเหล่านี้พร้อมค่าน้ำหนักองค์ประกอบ ตารางความแปรปรวน และสคริปต์ Python

สิ่งที่คุณจะได้รับ
- แผนภาพ score plot
- PC1 เทียบกับ PC2 โดยระบุสัดส่วนความแปรปรวนที่อธิบายได้บนแต่ละแกน แยกสีจุดตามกลุ่ม และมีวงรีความเชื่อมั่น 95%
- แผนภาพ scree plot
- ความแปรปรวนที่แต่ละองค์ประกอบอธิบายได้ ทั้งรายองค์ประกอบและแบบสะสม เพื่อใช้อธิบายว่าควรเก็บองค์ประกอบไว้กี่ตัว
- Biplot และค่าน้ำหนักองค์ประกอบ
- ลูกศรแสดงตัวแปรที่มีส่วนต่อองค์ประกอบมากที่สุด พร้อมตารางค่าน้ำหนักองค์ประกอบฉบับเต็มของทุกองค์ประกอบ
- สคริปต์
- การวิเคราะห์ทั้งหมดเป็นภาษา Python (หรือ R หากต้องการ) โดยเขียนขั้นตอนเตรียมข้อมูลไว้ครบ
ขั้นตอนการทำงาน

อัปโหลดตารางและระบุกลุ่ม
ส่งไฟล์ CSV หรือ Excel ที่มีค่าที่วัดได้ให้ Yila แล้วบอกว่าจะแยกสีตามคอลัมน์ใด กลุ่มใช้สำหรับแยกสีเท่านั้น ไม่ได้ใช้ในการคำนวณ PCA

Yila ตรวจตัวแปรและสเกลก่อน
Yila ดูหน่วยและช่วงของค่า แปลงตัวแปรที่วัดด้วยสเกลต่างกันเป็นค่ามาตรฐาน และรายงานค่าที่ขาดหายก่อนเริ่ม PCA

รับกราฟทั้ง 3 แบบและค่าน้ำหนักองค์ประกอบ
Yila สร้างภาพ score plot, scree plot และ biplot ตรวจทาน แล้วบันทึกพร้อมค่าน้ำหนักองค์ประกอบและสคริปต์ หากต้องการดู PC1 เทียบกับ PC3 ติดป้ายชื่อให้แต่ละจุด หรือดูแบบสามมิติ ขอได้ในบทสนทนาเดียวกัน
เหมาะสำหรับ
โอมิกส์และเมแทบอโลมิกส์
ดูว่าตัวอย่างจับกลุ่มตามสภาวะการทดลองหรือตามแบตช์ ก่อนวิเคราะห์ความแตกต่าง
เคมีและวิทยาศาสตร์การอาหาร
แสดงว่าตัวอย่างแยกจากกันอย่างไรเมื่อพิจารณาคุณสมบัติที่วัดได้หลายอย่างพร้อมกัน และคุณสมบัติใดเป็นตัวขับ
ข้อมูลการสำรวจและแบบสอบถาม
ลดข้อคำถามจำนวนมากที่สัมพันธ์กันให้เหลือองค์ประกอบไม่กี่ตัว และดูว่าข้อคำถามใดมีน้ำหนักอยู่บนองค์ประกอบเดียวกัน
คำถามที่พบบ่อย
สำรวจต่อ

ผู้ช่วยวิเคราะห์ข้อมูล
อัปโหลด CSV/XLSX แล้วใช้แชทเพื่อตรวจข้อมูล วิเคราะห์สถิติสำหรับงานวิจัย และสร้างกราฟที่พร้อมตีพิมพ์

ทำฮีตแมปสหสัมพันธ์ที่พร้อมตีพิมพ์
อัปโหลดตารางตัวแปร แล้ว Yila จะเลือกวิธีหาสหสัมพันธ์ที่เหมาะสม ปรับแก้ตามจำนวนการทดสอบ เรียงตัวแปรให้เห็นรูปแบบ และบันทึกรูปพร้อมเมทริกซ์ฉบับเต็มและสคริปต์

สร้างฮีตแมปแบบจัดกลุ่มสำหรับข้อมูลการแสดงออกของยีน
อัปโหลดเมทริกซ์การแสดงออกจาก RNA-Seq หรือไมโครอาร์เรย์ Yila จะตัดยีนที่แทบไม่มีการแสดงออกออกไป เลือกยีนที่แปรผันมากที่สุด จัดกลุ่มทั้งยีนและตัวอย่าง และระบุกลุ่มของตัวอย่าง
วิเคราะห์องค์ประกอบหลักกับข้อมูลของคุณเอง
อัปโหลดตารางและบอกว่าจะแยกสีกลุ่มตามคอลัมน์ใด Yila จะแปลงค่าเป็นค่ามาตรฐาน วาดกราฟ และเก็บสคริปต์ไว้ให้
เริ่มจากข้อมูลของคุณ