mixOmics для гуманитариев

Денис Владимирович Соломатин, 2021

Тематика посвященного основам статистической обработки педагогической информации учебного пособия оказалась на редкость востребованной и актуальной, что послужило стимулом к написанию продолжения. Учебное пособие предназначено для бакалавров, обучающихся по направлению подготовки «Математическое образование» интересы которых лежат в области статистической обработки социальной и педагогической информации. Из отличительных особенностей R хорош тем, что бесплатен и установлен на серверах Google Cloud и ИМ СО РАН, а значит позволяет задействовать вычислительную мощь современных суперкомпьютеров. Кроме того, статистический анализ большого числа переменных на сегодняшний день лучше всего реализован в его дополнительном пакете mixOmics, а в современных реалиях R позволяет неподготовленному читателю разворачивать веб-сервер для решения задач собственной онлайн-школы, на открытие которой всё больше нас вдохновляют современные реалии.

Глава 1. Первые шаги

Как путь в тысячу миль начинается с первого шаг, так и использование любого пакета R начинается с его установки. Во-первых, можно скачать последнюю версию mixOmics от Bioconductor следующей командой:

if (!requireNamespace("BiocManager", quietly = TRUE))

install.packages("BiocManager")

BiocManager::install("mixOmics")

Кроме того, можно установить последнюю версию пакета с GitHub, но для этого понадобится предварительная установка пакета remotes:

BiocManager::install("remotes")

BiocManager::install("mixOmicsTeam/mixOmics")

Пакет mixOmics напрямую импортирует следующие пакеты: igraph, rgl, ellipse, corpcor, RColorBrewer, plyr, parallel, dplyr, tidyr, reshape2, methods, matrixStats, rARPACK, gridExtra. Если возникнут затруднения при установке пакета rgl, то нужно будет дополнительно установить программное обеспечение X'quartz.

Загрузить установленный пакет можно следующей командой:

library(mixOmics)

Убедитесь, что при загрузке пакета не возникло ошибки, особенно для упомянутой выше библиотеки rgl. В примерах, которые будут приведены далее, используются данные, являющиеся частью пакета mixOmics. Чтобы загрузить свои собственные данные, проверьте установлен ли рабочий каталог, а затем считайте данные из формата.txt или.csv, либо с помощью пункта меню импортирования данных в RStudio, либо через одну из следующих командных строк:

# из файла csv

data < — read.csv("имя_файла.csv", row.names = 1, header = TRUE)

# из файла txt

data < — read.table("имя_файла.txt", header = TRUE)

Для получения более подробной информации о аргументах, используемых для настройки параметров этих функций, введите?read.csv или?read.table в консоли R.

Каждый анализ должен выполняться в следующем порядке:

1. Запустите выбранный метод анализа.

2. Выполните графическое представление образцов.

3. Выполните графическое представление переменных.

Затем используйте критическое мышление и дополнительные функции инструментов визуализации, чтобы разобраться в полученных данных. Некоторые из вспомогательных инструментов будут описаны в следующих главах.

Например, для анализа основных компонентов сначала загружаем данные:

My_table < — structure(list(Класс = c("7а","7а","7а","7а","7а","7а","7а","7а","7а",

"7а","7б","7б","7б","7б","7б","7б","7б","7б","7б","7б","эталон","отстающий"),

`Фимилия Имя` = c("Иванов Иван","Петров Петр","Сидоров Сидор","Егоров Егор",

"Романов Роман","Николаев Николай","Григорьев Григогий","Викторов Виктор",

"Михайлов Михаил","Тимуриев Тимур","Ульянова Ульяна","Ольгина Ольга",

"Людмилова Людмила","Дарьева Дарья","Кристинина Кристина",

"Натальина Наталья","Глафирова Глафира","Янина Яна","Иринова Ирина",

"Валентинова Валентина","Идеальный ученик","Другая крайность"), Тема1 = c(5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 1), Тема2 = c(2, 3, 3, 2, 2, 3, 3, 2, 2, 3, 4, 5, 5, 4, 4, 4, 5, 5, 4, 5, 5, 1), Тема3 = c(1, 2, 2, 1, 1, 2, 2, 1, 2, 2, 1, 2, 2, 1, 1, 2, 2, 2, 1, 2, 5, 1), Тема4 = c(4, 5, 5, 4, 4, 4, 5, 5, 5, 4, 5, 5, 4, 4, 5, 5, 4, 4, 5, 4, 5, 1), `Тема 5` = c(1, 2, 2, 2, 1, 2, 1, 1, 2, 2, 1, 2, 2, 1, 1, 2, 2, 1, 2, 5, 5, 1), `№№` = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22)), row.names = c(NA, — 22L), class = c("tbl_df","tbl","data.frame"))

Затем выполним следующие шаги:

My_result.pca < — pca(My_table) # 1 Запуск выбранного метода анализа

plotIndiv(My_result.pca) # 2 Визуальное представление образцов

plotVar(My_result.pca) # 3 Визуальное представление переменных

Это только первый пример, в дальнейшем появится много вариантов, из которых можно будет выбрать, наиболее соответствующий стоящим перед вами исследовательским задачам статистического анализа. Пакет mixOmics предлагает различные методы представления переменной и широкий выбор функций сбора информации на довольно больших наборах данных.

Сохраним числовые данные из исходной таблицы во вспомогательной переменной:

to.remove < — c('Фимилия Имя', 'Класс', '№№')

X < — My_table[,!colnames(My_table) %in% to.remove]

Следуя примеру выше, методы PCA могут быть применены для выбора первых пяти переменных, тесно связанных с первыми двумя компонентами в PCA. Пользователь определяет количество переменных, выбранных по каждому компоненту, например, здесь выберем пять переменных на каждом из первых двух компонентов командой keepX=c(5,5):

My_result.spca < — spca(X, keepX=c(5,5)) # 1 Запуск выбранного метода анализа

plotIndiv(My_result.spca) # 2 Визуальное представление образцов

plotVar(My_result.spca) # 3 Визуальное представление переменных

Можно заметить, что сократилось количество элементов на круге корреляции. Не останавливайтесь на достигнутом, находясь в начале большого пути. Можно улучшить наглядность представляемых результатов анализа следующим образом: загляните в справочное руководство по каждой из функций используемой в примерах, введя в консоли?pca,?plotIndiv,?sPCA. Для запуска сопутствующих примеров можно использовать функцию example: example(pca), example(plotIndiv), и другие.