用python对数据进行主成分分析、类概念描述及特征化分析-用户手册

数据挖掘课程的期中实验，仅供参考。完成时间：2022.10.29
基本要求：利用python对数据集中的数据进行主成分分析、类概念描述及特征化分析。要有相关结果的可视化结果。比如数据的分布情况。
数据源是TCGA。
数据源及代码：
链接：https://pan.baidu.com/s/11CpKznSP66EAbPzMspRShA
提取码：sovc

相关文章：https://blog.youkuaiyun.com/Coral__/article/details/128482614

0.实验环境

操作系统：windows10

语言：python3.7.0

编译器：Visual Studio Code

配置要求：在电脑上任意编译器配好python环境即可，无特殊要求

我们需要将重点放在“源代码及数据集-赖紫馨-202008010204”中的“shujuwajue"文件夹。

1.data

此文件夹中有"BLCA"、“BRCA”、“KIRC”、“LUAD”、"PAAD"五个文件夹，其中的“rna.csv"文件是对应癌症的数据文件。

2.PCA.py（code文件夹中）

此代码对应的是主成分分析。

需要运行对应数据时，只需要修改下图横线的路径名称，然后直接运行就可以生成前两个主成分的散点图。

需要生成其他图时，可以将对应代码的注释取消掉。

图1

图2

图3

图4

3.characterization.py（code文件夹中）

这个代码对应的是类特征化分析，直接运行即可生成对应图。

我的类特征化分析依然依赖于主成分分析，将前三个主成分通过K-means聚类后，画出三维彩色散点图。（如下图）

需要运行其他数据时，只需要修改下图横线的路径名称。

4.compare.py（code文件夹中）

此代码对应的是类对比分析，直接运行即可生成对应图。

我的想法是每种癌症类型选了10个样本，前15个基因，通过折线图的方式，判断同一癌症的不同患者基因表达是否具有相似性。

结果显示是有相似性的。

需要运行其他数据时，只需要修改下图横线的路径名称。

5.shang.py（code文件夹中）

此代码对应的是信息增益和属性相关分析，直接运行即可得到对应文件中，两个基因数据之间的数据增益。

默认代码是分析“BLCA”中“A2BP1|54715”和“A2ML1|144568”两个基因数据的数据增益。

需要运行其他数据时，需要修改下图横线的路径名称及想要分析的基因名称。